안저검사 망막 사진으로 자폐스펙트럼장애를 예측할 수 있는 인공지능 모델이 나왔는데요.
망막은 뇌와 같은 조직에서 발생해 신경세포들의 구성과 구조가 뇌와 유사한 특징을 갖고 있습니다.
최근 자폐스펙트럼장애뿐 아니라 주의력결핍과잉행동장애(ADHD), 파킨슨병, 알츠하이머병, 조현병 등 여러 중추신경계 질환을 망막 구조의 변화로 판별하려는 시도가 늘고 있는데요.
최근 한 연구팀에 따르면 안저검사 망막 사진을 이용해 자폐스펙트럼장애를 선별하고 증상의 중증도를 예측하는 AI 모델에 대한 연구결과를 국제 학술지에 게재했습니다.
자폐스펙트럼장애는 사회적인 상호작용에 대한 어려움과 제한된 관심사, 반복적인 행동을 특징으로 하는 신경발달장애인데요.
자폐스펙트럼장애 아동들은 성장기에 사회성 향상을 위한 적절한 개입이 이뤄지지 않으면 성인에 이르러 다양한 문제로 인해 정신 장애를 유발할 수 있습니다.
무엇보다 조기 진단이 중요한데요.
하지만 선별검사의 한계와 사회적 자원의 부족으로 진단 시기가 늦어지는 사례가 늘고 있습니다.
조기 진단에 따른 치료가 긍정적 예후에 가장 중요한 요소이기 때문에 이른 시기의 진단·개인의 특성에 맞는 의료적 지원이 필수적인데요.
연구팀은 2022년 4월부터 10월까지 내원한 자폐스펙트럼장애 환자 479명의 945개 안저망막사진과 안과에 내원한 정상 대조군의 망막 사진 945개를 수집했습니다.
수집한 안저망막사진 데이터를 인공지능 모델에 학습시켜 자폐스펙트럼장애와 정상대조군을 구분하는 AI 모델과 중증자폐스펙트럼장애와 경도~중증도 자폐스펙트럼장애를 구분하는 AI 모델을 각각 구축했는데요.
연구팀은 AI 모델의 예측 성능을 수신기 작동 특성 곡선(AUROC), 민감도, 특이도, 정확도 등 4개 지표로 분석했습니다.
AUROC는 ROC 곡선의 아래 면적이라는 뜻으로 어떤 질환을 진단하기 위한 특정 검사 도구의 진단 정확도를 나타내는 통계 기법으로 AI 모델의 성능 평가 지표로 주로 사용되는데요.
통상적으로 1에 가까울수록 성능이 뛰어나며 0.8 이상인 경우 고성능 모델로 평가됩니다.
분석 결과 자폐스펙트럼장애를 선별하는 AI 모델은 AUROC 1(100%), 민감도 1(100%), 특이도 1(100%), 정확도 1(100%)로 높은 예측 결과를 보였는데요.
중증도 예측 AI 모델은 AUROC 0.74(74%), 민감도 0.58(58%), 특이도 0.74(74%), 정확도 0.66(66%)의 성능을 보였습니다.
특히 자폐스펙트럼장애 선별에는 시신경유두(optic disc) 영역이 가장 핵심적임을 밝혔는데요.
이번 연구를 통해 안저검사 망막 사진이 자폐스펙트럼장애 여부와 중증도를 예측할 수 있는 바이오마커 중 하나로 사용될 수 있는 가능성을 확인했습니다.
그럼 안저검사는 촬영 시간이 5분 이내로 용이성이나 신속성 면에서도 유용한 검사라는 정보를 알려드리며 포스팅을 마치도록 하겠습니다.
안저검사 망막 사진으로 자폐스펙트럼장애를 예측할 수 있는 인공지능 모델이 나왔는데요.
망막은 뇌와 같은 조직에서 발생해 신경세포들의 구성과 구조가 뇌와 유사한 특징을 갖고 있습니다.
최근 자폐스펙트럼장애뿐 아니라 주의력결핍과잉행동장애(ADHD), 파킨슨병, 알츠하이머병, 조현병 등 여러 중추신경계 질환을 망막 구조의 변화로 판별하려는 시도가 늘고 있는데요.
최근 한 연구팀에 따르면 안저검사 망막 사진을 이용해 자폐스펙트럼장애를 선별하고 증상의 중증도를 예측하는 AI 모델에 대한 연구결과를 국제 학술지에 게재했습니다.
자폐스펙트럼장애는 사회적인 상호작용에 대한 어려움과 제한된 관심사, 반복적인 행동을 특징으로 하는 신경발달장애인데요.
자폐스펙트럼장애 아동들은 성장기에 사회성 향상을 위한 적절한 개입이 이뤄지지 않으면 성인에 이르러 다양한 문제로 인해 정신 장애를 유발할 수 있습니다.
무엇보다 조기 진단이 중요한데요.
하지만 선별검사의 한계와 사회적 자원의 부족으로 진단 시기가 늦어지는 사례가 늘고 있습니다.
조기 진단에 따른 치료가 긍정적 예후에 가장 중요한 요소이기 때문에 이른 시기의 진단·개인의 특성에 맞는 의료적 지원이 필수적인데요.
연구팀은 2022년 4월부터 10월까지 내원한 자폐스펙트럼장애 환자 479명의 945개 안저망막사진과 안과에 내원한 정상 대조군의 망막 사진 945개를 수집했습니다.
수집한 안저망막사진 데이터를 인공지능 모델에 학습시켜 자폐스펙트럼장애와 정상대조군을 구분하는 AI 모델과 중증자폐스펙트럼장애와 경도~중증도 자폐스펙트럼장애를 구분하는 AI 모델을 각각 구축했는데요.
연구팀은 AI 모델의 예측 성능을 수신기 작동 특성 곡선(AUROC), 민감도, 특이도, 정확도 등 4개 지표로 분석했습니다.
AUROC는 ROC 곡선의 아래 면적이라는 뜻으로 어떤 질환을 진단하기 위한 특정 검사 도구의 진단 정확도를 나타내는 통계 기법으로 AI 모델의 성능 평가 지표로 주로 사용되는데요.
통상적으로 1에 가까울수록 성능이 뛰어나며 0.8 이상인 경우 고성능 모델로 평가됩니다.
분석 결과 자폐스펙트럼장애를 선별하는 AI 모델은 AUROC 1(100%), 민감도 1(100%), 특이도 1(100%), 정확도 1(100%)로 높은 예측 결과를 보였는데요.
중증도 예측 AI 모델은 AUROC 0.74(74%), 민감도 0.58(58%), 특이도 0.74(74%), 정확도 0.66(66%)의 성능을 보였습니다.
특히 자폐스펙트럼장애 선별에는 시신경유두(optic disc) 영역이 가장 핵심적임을 밝혔는데요.
이번 연구를 통해 안저검사 망막 사진이 자폐스펙트럼장애 여부와 중증도를 예측할 수 있는 바이오마커 중 하나로 사용될 수 있는 가능성을 확인했습니다.
그럼 안저검사는 촬영 시간이 5분 이내로 용이성이나 신속성 면에서도 유용한 검사라는 정보를 알려드리며 포스팅을 마치도록 하겠습니다.