본래 흉부 방사선 촬영(이하 CXR)은 코로나바이러스의 중증도 평가에 유용하지 않아 대부분의 연구에서 환자의 임상 정보와 흉부 CT 스캔으로 예후 예측 모델을 개발했다. 

그러나 대유행 기간에 급속도로 환자 수가 늘어 CXR이 상대적으로 휴대가 편리하고 저렴하기 때문에 널리 사용됐다.

▲ (사진 왼쪽부터) 보라매병원 호흡기내과 이현우 교수, 영상의학과 진광남 교수

이에 따라 보라매병원 호흡기내과 이현우 교수와 영상의학과 진광남 교수는 이 점에 착안해 서울대학교 의과대학, 광주과학기술원과의 공동 연구를 통해 AI 모델과 임상 변수를 기반으로 CXR을 활용해 '코로나 환자의 예후 예측 모델'을 개발‧검증해 최근 발표했다.

이 연구는 코로나 환자의 조기 회복, 중증 질환 및 급성 호흡 곤란 증후군(ARDS)을 예측하고 외부 코호트에서 이러한 모델을 검증하는 AI 모델을 만드는 것을 목표로 했다.

연구진은 2020년 2월부터 같은 해 10월까지 코로나 입원 환자를 대상으로 입원 후 24시간 이내에 혈액 검사와 전후방 방사선 촬영을 실시했고, 이 환자들의 CXR 이미지와 임상 정보를 사용해 모델 교육과 내부 테스트를 거쳤으며, 나아가 국내 17개 의료기관에 입원한 코로나 환자 1,206명의 자료를 활용해 외부 테스트를 진행했다.

임상 정보 분석 결과 고혈압, 만성 간질환, 코르티코스테로이드 치료를 받는 환자, 림프구 수가 적은 환자는 2주 이내에 퇴원할 가능성이 작았으며, 산소 보충이 필요한 환자는 고령이고 고혈압, 당뇨병 또는 호흡곤란이 있었고, 고령이거나 호흡곤란이 있거나 프로칼시토닌 수치가 높은 사람은 급성호흡곤란증후군이 생길 가능성이 더 높다는 점이 밝혀졌다.

▲ AI 모델 개발을 위한 진행 과정 설명. 이 연구의 딥러닝 모델은 백본(backbone) 교육과 모델 교육 단계로 개발되었다.

이번 연구에서 연구팀은 ▲ CXR 이미지 기반의 AI 모델(이하 모델 1) ▲ 임상 정보 기반의 로지스틱 회귀 모델(모델 2) ▲ AI 모델과 임상 정보를 결합한 모델(모델 3)을 개발, 훈련해 2주 이하 재원 기간과 산소 보충 여부, 급성호흡곤란증후군 정도를 예측했으며, 예측 모델 간 비교 결과, 모델 1과 모델2 는 급성호흡곤란증후군을 신뢰도 있게 예측할 수 있었으며, 모델 3은 중증 질환 예측과 COVID-19 환자의 급성호흡곤란증후군 예측에 탁월한 성능을 보였다.

호흡기내과 이현우 교수는 "코로나바이러스의 변종이 출현하면 주어진 의료 자원을 적절하게 할당하기가 어려워진다. 그래서 이 예측 모델로 중증도를 구분하고 호흡 부전으로 진행될 환자를 적시에 선별하는 데 도움이 될 것이다. 그러나 CXR을 활용한 AI 모델의 예측도가 임상 정보까지 결합한 모델보다 예측도가 떨어진다는 점을 고려할 때 CXR만으로는 코로나 환자의 예후를 예측하는 것은 섣부르다"라고 밝히며, "급성호흡곤란증후군(ARDS)은 사망률과 이환율이 높기 때문에 위험도가 높은 환자를 조기 발견하여 치료하는 것이 중요하다"라고 덧붙였다.

보건복지부의 지원으로 수행한 이번 연구 결과는 국제 SCIE급 학술지인 'JOURNAL OF MEDICAL INTERNET RESEARCH' 최근호에 게재됐다.