천명음(wheezing)은 폐로 오가는 공기의 통로인 기도가 좁아지면서 압력에 의해 숨을 쉴 때마다 가슴에서 ‘쌕쌕’ 소리가 나는 호흡음을 뜻한다. 구조적으로 기도가 좁은 소아에서는 천식, 기관지염 등으로 이러한 천명음이 발생하는 경우가 많아, 소아 호흡기 질환을 조기 진단하는 데 가장 중요한 지표로 활용되고 있다.
그러나 아직까지 천명음을 판별하는 수단은 가슴에 청진기를 대고 직접 숨소리를 듣는 전통적인 ‘청진’ 방식에 머물러 있는데, 객관적인 수치로 나타나는 검사법이 아니기 때문에 의사의 경험과 판단에 따라 정확도가 상당히 차이날 수 있다는 점이 한계로 지적된다.
또한 연구팀은 보다 정확한 예측을 가능하게 하면서도 인공지능의 학습 능력은 적절한 수준으로 유지할 수 있도록 34개 레이어의 레즈넷(ResNet) 인공신경망 기술을 적용했다. 인공신경망의 레이어는 필요보다 많을 경우 예측 정확도가 오히려 떨어질 수 있어 분석 대상에 맞는 최적의 조합을 찾는 것이 중요한데, 천명음 발견에는 34-레이어가 가장 적합하다는 것이 연구팀의 설명이다.
그 결과 개발된 알고리즘은 정확도 91.2%, 정밀도(동일 조건에서 측정한 값이 얼마나 일정하게 나타나는지 나타낸 수치) 94.4% 수준으로 임상 현장에서도 충분히 적용 가능한 높은 정확성과 안정성을 보였다. 또한 이러한 분석은 소량의 메모리 공간만을 필요로 해 향후 모바일 기기 등에 적용해 환자 개인별 상태를 시간, 장소의 제약 없이 모니터링 할 수 있게 될 것으로 전망된다.
이번 연구 결과는 네이처 출판 그룹의 온라인 학술지 ‘Scientific Reports’ 최신호에 실렸다.