국내 연구진이 인공지능(AI)을 활용해 뇌전증 환자의 발작 빈도 변화를 장기간 분석한 결과, 발작이 빠르게 소실되는 경우부터 치료에도 지속되는 경우까지 서로 다른 다섯가지 유형이 확인됐다. 

이들 경과 유형은 뇌파 검사와 뇌 MRI 소견, 뇌전증 원인 등에서 뚜렷한 차이를 보였으며, 발병 나이와 질환 지속기간, 일부 혈액검사 수치 등 초기 진료 정보와도 연관성이 파악됐다.

서울대병원 신경과 박경일·이상건 교수, 융합의학과 김영곤 교수 및 이대목동병원 황성은 교수 공동연구팀은 2008년부터 2020년까지 뇌전증 클리닉에 처음 내원한 환자 2586명을 대상으로 임상 양상과 발작 경과를 약 7.6년간 추적한 대규모 코호트 데이터를 분석해 이 같은 결과를 확인했다고 4일 밝혔다.

뇌전증은 뇌 신경세포 전기 신호 이상으로 반복적인 발작이 나타나는 만성 신경질환이다. 환자마다 치료 반응과 장기 경과가 크게 다르며 약물 치료로 발작이 조절되는 환자도 있지만, 치료 이후에도 발작이 지속되는 경우가 적잖다. 

기존에는 발작 유형이나 원인을 중심으로 환자를 분류해 왔으나, 이런 기준만으로는 환자별 장기 발작 경과 차이를 충분히 설명하기 어려웠다.

연구팀은 발병 나이와 뇌전증 지속 기간, 발작 횟수, 치료 이력 등 임상 정보와 혈액 검사, 뇌파 검사(EEG), 뇌 MRI 결과 등 총 84개 변수를 AI 분석에 활용했다. 

이 AI는 발작 유무를 단순히 구분하는 대신 발작 빈도가 시간에 따라 어떻게 변화했는지를 기준으로 환자들의 장기 경과를 비교했다. 이를 통해 발작 감소 시점과 속도, 지속 여부가 유사한 환자들을 자동으로 묶어 장기 발작 경과 유형을 분류했다.

이어 이렇게 도출된 각 환자군이 뇌파 검사와 뇌 MRI 소견, 뇌전증 원인에서 서로 다른 임상적 특성을 보이는지를 비교 분석, 이들 군집이 실제 장기 발작 경과의 차이를 반영하는지를 확인했다.

장기 추적 데이터를 분석한 결과, 전체 환자 66.1%는 추적 관찰 마지막 1년 동안 발작이 없는 상태로 확인됐다. 

발병 나이가 높고 질환 지속기간이 짧을수록 발작이 조절될 가능성이 높은 경향을 보였으며, 혈액 응고 과정과 관련된 단백질인 피브리노겐 수치도 장기 발작 경과와 의미있는 연관성을 보였다.

이어 AI 기반 군집 분석을 적용한 결과, 발작이 소실되는 경과를 보인 세 개 환자군과 치료 이후에도 발작이 지속된 두 개 환자군이 확인됐다. 

발작 관해군 가운데 ‘신속 관해군’에서는 면역·감염과 연관된 뇌전증이 많이 포함됐으며, ‘저발작빈도-지연관해군’에서는 뇌파 검사에서 전반적인 서파가 관찰되고 뇌 MRI에서 뇌연화증이 동반된 경우가 많았다. ‘중발작빈도-지연관해군’은 전반뇌전증 임상적 특성이 두드러졌다.

반면 발작 지속군에서는 서로 다른 양상이 나타났다. ‘부분 반응군’에서는 국소 극서파나 불규칙 서파와 같은 국소적 뇌파 이상과 뇌종양이 연관된 경우가 많았고, ‘지속 난치성군’에서는 해마경화증이 동반된 환자가 많았으며, 남성 환자와 긴 이환 기간이 특징적으로 관찰됐다.

이번 연구는 뇌영상이나 뇌파 소견 중심 기존 분류에서 나아가 다양한 임상 정보를 AI가 통합 분석해 발작 장기 경과를 시간적 변화 패턴으로 구분했다는 점에서 의미가 있다. 

박경일 교수는 “이번 연구는 AI를 활용해 뇌전증 환자 발작 경과를 시간 흐름 속에서 분석하고, 동일한 진단명 아래에서도 서로 다른 장기 경과가 존재함을 보여준 결과”라며 “뇌전증 환자 임상 경과를 이해하는 데 참고가 될 수 있는 분석 틀을 제시했다”고 밝혔다.

한편, 이번 연구 결과는 국제학술지 ‘사이언티픽 리포트’ 최근호에 게재됐다.