뇌파는 현재 체외에서 측정할 수 있는 유일한 중추신경계의 생리적 마커로 수면 검사 및 뇌파검사 등을 통해 다양한 신경계 질환에서 이상 반응을 측정하는 중요한 지표로 사용되고 있다. 이번 연구를 통해 개발된 알고리즘이 파악한 각성 및 수면단계 구분의 결과는 3명의 뇌파 전문가가 분석한 자료 대비 약 92% 정도로 높은 정확도를 보였다.

 

뇌파 검사와 수면 다원 검사를 판독하기 위해서는 의식 상태의 구분이 매우 중요하고, 의식 상태는 뇌파 분석을 통해 각성, 렘수면, 비렘수면 등으로 나뉜다. 이러한 검사들은 검사 과정 자체의 시간이 매우 오래 소요될 뿐만 아니라(수면다원검사는 8시간 이상, 뇌파검사는 30분 이상), 다양한 기준을 동시에 적용하는 까다로운 과정, 판독을 위해 많은 전문가들이 오랜 시간을 할애해야하는 문제 등으로 환자와 의료진에 큰 부담으로 작용해왔다.

 

분당서울대학교병원 소아청소년과(신경분과) 황희, 김헌민 교수 팀과 서울대학교 공과대학 전기정보공학부 윤성로 교수팀은 기존 머신러닝을 통한 뇌파분석모델보다 더 진보한 합성곱신경망(CNN; Convolutional Neural Network)과 장단기 메모리 방식(LSTM; Long-Short Term Memory)의 순환신경망을 동시에 적용한 ‘하이브리드 알고리즘’을 적용해 정확도를 높이고 인공지능 뇌파분석으로도 한걸음 더 나아간 연구결과를 내놨다. 합성곱신경망은 주로 이미지 분석에, 순환신경망은 주로 시계열 분석(시간의 경과에 따른 관측 값을 분석)에 사용된다.

 

분당서울대병원 황희, 김헌민 교수 팀은 218명의 건강한 소아의 정상 뇌파를 분석해 최대 3만 5천여 개의 뇌파 분석 단위에 대해 3명의 숙련된 신경과 의사가 각각 독립적으로 수면 단계를 구분했고, 서울대학교 공과대학 인공지능연구소에서는 이 자료를 바탕으로 다양한 종류의 데이터 조합과 프로세스를 적용해 가장 좋은 성능으로 각성 수면 단계를 자동 분석하는 알고리즘을 개발했다.

 

연구결과에 따르면 실제 육안으로 구별이 가장 잘 되는 각성과 제 2단계 비렘수면에 대한 분석에서 알고리즘의 정확도가 각각 96%와 92%로 높게 나타났고, 뇌파 자체와 주파수 정보를 분석 대상으로 함께 이용할 때 가장 정확도가 높았으며 분석 단위를 30초로 하고 뇌파 전체를 이용할 때 가장 알고리즘의 성능이 좋았다.

 

이번 연구는 과학기술정보통신부가 후원하고 정보통신산업진흥원(NIPA)이 주관하는 기계 학습을 이용한 지능형 의료 소프트웨어 개발 사업인 ‘닥터 앤서’ 프로젝트의 일환으로, 인공지능 알고리즘은 뇌전증 세부 과제에서 개발 중인 자동 뇌파 분석 소프트웨어에 각성 상태 구분을 위한 모듈에 탑재될 예정이다. 연구팀은 향후 인공 지능 자동 뇌파 분석 소프트웨어에서 전향적으로 뇌파를 분석하면서 그 성능을 더욱 높이는 학습을 진행할 예정이다.

 

책임 연구자인 황희 교수는 "다년간의 수련과 전문성이 필요한 뇌파 분석에 인공지능을 적용하면 인적 오류를 최소화할 수 있고, 인공지능이 고도화됨에 따라 더 정확하고 상세한 분석을 시행해 뇌파 분석의 효율을 높이고 질적 수준 향상을 기대할 수 있다"고 밝혔다.

 

이번 연구는 공학 분야 저명 국제 학술지인 IEEE Access 7월호에 게재됐다.