한림대학교동탄성심병원 비뇨의학과 한준현 교수(교신저자), 이성호 병원장, 김종근· 최창일 · 이원철 교수, 김의석· 권효상· 양원종 레지던트와 연세대학교 임도형 교수 연구팀은 인공지능을 활용해 요관결석 환자의 내시경화면 속 결석 성분을 정확히 예측할 수 있는 모델을 개발했다. ‘인공지능을 이용한 요관결석 성분 분석(A Prediction Model Using Machine Learning Alogrithm for Assessing Stone-Free Status after Single Session Shock Wave Lithotripsy to Treat Ureteral Stones)’이라는 제목의 이 연구는 SCI급 대한비뇨의학회 공식 국제학술지인 ‘Investigative and Clinical Urology’ 5월호에 게재됐다.
요관결석 치료법으로는 요도내시경을 이용해 결석을 조각 내 제거하는 방법이 많이 쓰이고 있다. 이때 내시경 카메라를 통해 결석의 성분과 강도를 예측하는 것은 시술 중 적절한 도구를 선택하고 결석 생성의 원인을 분석해 시술 후 환자관리에 큰 도움이 될 수 있다.
분석결과 1332개의 결석 중 한 종류의 성분으로만 이뤄진 순석이 54%인 720개(7종)였고, 혼합석이 46%인 612개(24종)이었다. 전체 결석은 성분의 비율에 따라 31개 등급으로 분류됐고, 이중 가장 많은 결석이 포함된 상위 4개 등급으로 965개의 결석이 포함됐다. 가장 많은 성분은 칼륨 옥살레이트 일수화물 100%(469개)였고, 다음으로 칼슘 옥살레이트 일수화물 80%와 스트루바이트 20%(240개), 칼슘 옥살레이트 일수화물 60%와 이수화물 40%(137개), 요산 100%(119개) 순이었다.
이렇게 얻어진 데이터를 바탕으로 요관결석 성분 분석 인공지능 모델을 개발한 결과 양성 예측확률인 민감도와 음성 예측확률인 특이도가 85~99%로 나타났다. 이는 글로벌 연구에서 의사가 내시경화면을 통해 직접 결석을 관찰하고 구성요소를 예측했을 때의 정확도가 39%였던 것과 비교해 매우 높은 수치이다.
|