심장 부정맥의 탐지 및 분류를 위한 챌린지 최고의 딥러닝 신경망 모델

심전도(Electrocardiograms, ECGs)는 임상적으로 심장 부정맥(CAs)을 탐지하는 데 널리 사용되고 있으며, 심장 질환 진단을 위한 컴퓨터 보조 방법 개발에도 활용되고 있다. 우리는 중국 생리신호 챌린지(China Physiological Signal Challenge, CPSC) 2018에서 제공한 대규모 12개의 리드를 갖춘 심전도 데이터셋(6,877건의 기록)을 이용하여, 부정맥의 탐지 및 분류를 위한 합성곱 신경망(Convolutional Neural Network, CNN) 모델을 개발하였다. 본 모델은 챌린지 경쟁에서 1위를 차지하였으며, CPSC2018의 은닉 테스트 세트(2,954건의 심전도 기록)에서 9가지 유형의 부정맥 분류에 대해 중앙값 기준 전반적인 F1 점수(F1-score) 0.84를 달성하였다. 추가 분석 결과, 데이터셋 내에서 다중 부정맥 진단을 받은 476명의 환자에 대해 동시 발생하는 부정맥이 충분히 예측 가능함을 확인하였다. 단일 리드 데이터만을 사용한 경우에도 전체 12리드 데이터를 사용한 경우와 비교해 성능이 거의 유사하였으며, 특히 aVR 리드와 V1 리드가 가장 두드러진 영향을 미쳤다. 본 연구 결과는 임상적 관찰과의 일치성 및 임상적 관련성이라는 관점에서 철저히 고려되었다.