고려대학교 안산병원 영상의학과 최가영 교수와 의생명연구센터 함성원 교수 연구팀이 소아 간(肝) 내 지방량을 MRI 수준으로 측정 가능한 인공지능(AI) 모델을 개발했다.

현재 간 내 지방량을 정량화하는 비침습적 검사로는 MRI-PDFF가 가장 정확한 방법으로 평가받고 있다. 

그러나 높은 검사 비용과 초음파에 비해 긴 검사 시간으로 소아에서는 장시간 움직임을 제한하기 어렵고, 경우에 따라서는 수면 등의 진정 요법이 필요할 수 있다. 

이에 반복적인 추적검사 등 실제 진료 현장에서의 활용에 한계가 있었다. 연구팀은 보다 효율적이고 정확한 소아 지방간 진단기술 개발을 위해 ‘초음파 원본 신호(RF 데이터)’에 주목했다.

일반적인 초음파 영상(B-mode)은 초음파 신호를 사람이 보기 용이한 흑백 영상으로 변환한 화면이다. 

의료진이 영상의 밝기 차이로 지방간 여부를 판단하게 되는데 이는 수치화된 정량적 분석이 아닌 정성적 평가에 해당한다. 

이 때문에 검사자의 숙련도에 따라 결과가 달라질 수 있고 경미한 지방간은 놓칠 가능성도 있다.

반면 RF 데이터는 영상으로 변환되기 전 단계의 원초 고주파 신호로, 조직 내부에서 반사되는 초음파의 세기와 주파수 변화 등 보다 많은 조직 정보를 포함하고 있다. 

이번 연구에서는 AI를 활용해 이러한 원초 고주파  신호를 분석함으로써 일반 초음파 영상에서는 구분하기 어려운 간 조직의 미세 변화까지 정량적으로 수치화할 수 있도록 했다.

연구팀은 지방간이 의심되는 소아·청소년 환자 40명을 대상으로 MRI-PDFF와 RF 데이터를 수집했다. 또한 다양한 AI 모델을 개발하고 진단 정확도를 MRI-PDFF와 비교 검증했다.

그 결과 RF 데이터와 함께 혈액검사 상의 간기능 수치(ALT), 초음파가 조직을 통과하며 약해지는 정도를 수치화한 지표(UGAP) 등을 활용한 AI 모델이 가장 높은 정확도를 보였다. 

해당 모델이 예측한 간 지방량은 MRI-PDFF 결과와의 차이가 평균 약 1.45%에 불과해 매우 높은 정확도를 보였다.

연구팀은 RF 데이터를 활용했을 때 일반 초음파 영상으로 변환되는 과정에서 압축되는 조직 내부의 미세 신호 정보까지 AI가 분석할 수 있어 높은 정확도를 보인 것으로 분석했다. 

또한 해당 AI 모델이 MRI-PDFF를 대신해 소아 지방간을 선별하고 모니터링할 수 있는 실질적인 대안이 될 수 있다고 평가했다.

최가영 교수는 “방사선 노출 없이 비교적 간편하게 시행할 수 있는 초음파 검사에 AI 기술을 접목해 소아환자의 간 내 지방량을 보다 정확하게 정량화할 수 있는 가능성을 확인했다”고 말했다.

한편, 이번 연구는 국제학술지 ‘Scientific Reports’에 게재됐다.