패혈증 진단과 예후 예측 가능한 AI 모델 개발

의대 박유랑 교수·김종현 연구원(의생명시스템정보학), 정경수 교수·성민동 강사(내과학)

의대 박유랑 교수·김종현 연구원(의생명시스템정보학), 정경수 교수·성민동 강사(내과학)는 CD8 T세포의 3D 이미지 데이터를 활용해 패혈증을 진단하고 예후를 예측할 수 있는 AI 모델을 개발했다. 정확도는 99% 이상으로 확인됐다. 

이번 연구 결과는 국제 학술지 ‘라이트: 사이언스 앤드 어플리케이션스(Light: Science&Applications, IF 19.4)’ 최신호에 게재됐다.  

현재 패혈증 진단에 사용하는 대표적인 바이오마커인 C-반응성 단백질(CRP), 프로칼시토닌(PCT) 등은 지연된 반응으로 진단이 늦다. 또한 염증 지표인 인터류킨-6(IL-6)과 같은 바이오마커는 표준화가 부족하다.

연구팀은 면역 세포 CD8 T세포 이미지 데이터와 AI 모델을 활용해 패혈증의 진단과 예후를 예측할 수 있을지 확인했다. 

패혈증 회복군 8명의 혈액 샘플에서 CD8 T세포를 분리해 이미지를 촬영했다. 촬영은 패혈증 쇼크 진단 시점(T1), 패혈증 쇼크 해소 시점(T2), 퇴원 전(T3) 세 시점으로 나눠 진행했으며, 홀로토모그래피 현미경을 사용했다. 홀로토모그래피 기술은 세포 구조 변화에 영향을 주는 염색 과정 없이 살아 있는 면역 세포의 3D 영상을 빠르고 안정적으로 얻을 수 있다.  

각 시점에 촬영한 이미지를 딥러닝 기반의 AI 분류 모델을 통해 건강한 대조군 20명의 이미지와 비교 분석했다. 패혈증 쇼크 진단 시 채취한 이미지는 ‘패혈증 쇼크의 진단 가능성 평가’에 사용했으며, 생존 환자군과 비생존 환자군의 패혈증 쇼크 진단 시 채취한 이미지는 ‘패혈증 쇼크의 예후 예측’에 사용했다.  

AI 모델의 예측 성능을 수신기 작동 특성 곡선(AUROC) 지표로 분석했다. 분석 결과, 패혈증 진단을 위해 하나의 세포 이미지만 사용했을 때 AI 모델의 예측 정확도(AUROC)는 0.96(96%)을, 두 개의 세포 이미지를 사용했을 때는 0.99(99%) 이상의 높은 성능을 보였다.  

예후 예측 모델에서도 단일 세포 이미지로 0.98(98%)의 정확도를 보였으며, 두 개의 세포 이미지를 사용했을 때는 0.99(99%) 이상의 높은 성능을 나타냈다.