뷰노는 “인공지능(AI) 기반 심부전 선별 의료기기 VUNO Med®-DeepECG® LVSD의 알고리즘 성능을 크게 개선시킨 연구결과가 국제학술지 JMIR Medical Informatics에 게재됐다”고 12일 밝혔다.

이번 연구 주제는 심전도 데이터를 분석해 심부전의 주요 선행소견인 좌심실수축기능부전(LVSD)을 보다 정밀하게 탐지하는 딥러닝 모델을 개발하고, 내·외부 검증을 통해 해당 알고리즘 성능과 임상적 활용 가능성을 평가하는 것이다.

LVSD는 조기 발견을 통해 적시에 치료하면 환자 예후를 크게 개선할 수 있다. 그러나 표준진단법인 심장 초음파 검사는 높은 비용과 장비 접근성 제약으로 대규모 스크리닝에는 한계가 있다.

이를 보완하기 위해 다양한 AI 모델들이 개발됐으나 동반 질환이 있는 환자군에서 진단 성능이 저하되는 문제가 지속적으로 보고돼 왔다.

이에 뷰노는 환자 약 26만명 데이터를 활용한 3단계 학습 전략을 통해 알고리즘을 개발했다.

먼저 대규모 심전도 데이터로 사전 학습(Pretraining)을 시키고 2주 이내 검사한 심초음파(TTE)와 심전도(ECG) 데이터를 사용, LVSD를 감지토록 모델을 학습하는 미세조정을 거쳤다.

이후 과거 검사결과와 이전 모델 예측값을 반영한 재보정(Recalibration)을 통해 LVSD를 선별하는 새로운 알고리즘을 도입했다.

모델 개발 및 내부 검증에는 한림대학교성심병원 데이터를 활용했으며, 연세대학교 원주세브란스기독병원 데이터를 통해 외부 검증을 수행했다.

연구를 통해 사전학습과 미세조정을 거친 DeepECG LVSD는 내부 검증에서 AUROC 0.953(외부 0.947) 성능을 확인했다.

또 환자 과거 검사 결과를 반영한 재보정된 모델은 내부 검증에서 AUROC 0.956(외부 0.940)을 기록하며 재보정 적용 전(前) 모델(내부 0.945, 외부 0.910) 대비 개선된 성능을 확인했다.

이러한 성능 향상은 연령이나 성별 등 모든 그룹에서 확인됐으며, 특히 심방세동 등 기존 AI가 취약했던 환자군에서도 유의미했다.

실제로 심방세동 환자에서는 특이도가 0.518에서 0.900으로 크게 향상돼 위양성 진단으로 인한 불필요한 추가 검사 부담을 줄일 수 있을 것으로 기대된다.

뷰노 주성훈 CTO는 “환자 과거 검사 이력을 반영한 알고리즘을 통해 DeepECG LVSD가 동반질환과 관계없이 선별 성능을 크게 끌어올렸다”며 “앞으로도 해당 기술이 실제 심부전 고위험군 환자들 조기 진단과 치료에 기여할 수 있도록 기술 고도화에 최선을 다할 것”이라고 밝혔다.