머신러닝(Machine learning, 기계학습)을 기반한 심혈관질환 진단기술이 개발됐다. 시간을 다투는 관상동맥중재술 현장에서 환자 치료에 도움이 될 것으로 기대되고 있다.

세브란스병원 심장내과 김중선 교수와 세종대학교 전자정보통신공학과 하진용 교수, 고려대학교 안암병원 순환기내과 차정준 교수 연구팀은 광간섭단층촬영(Optical Coherence Tomography, OCT) 영상과 환자의 생체 정보를 활용한 기계학습 기반의 분획혈류예비력(Fractional Flow Reserve, FFR) 예측 기술을 개발했다고 26일 밝혔다.

과학기술정보통신부 의료기관 창업 캠퍼스 연계 원천기술개발사업의 지원을 받은 이번 연구 결과는 네이처 자매지 ‘사이언티픽 리포트(Scientific Reports)’ 온라인판에 게재됐다.

관상동맥질환 중 관상동맥이 좁아져 심장에 충분한 혈액이 공급되지 않아 통증이 생기는 경우를 협심증이라고 부르며, 완전히 막혀 심장근육이 괴사되는 경우를 심근경색증이라고 한다. 치료는 약물치료와 중재시술, 관상동맥우회수술이 있다. 이중 관상동맥중재시술은 막힌 관상동맥을 뚫는 것으로 막히거나 좁아진 심장 혈관을 내과적으로 치료하는 방법이다.

관상동맥중재술 중 중증도 협착(intermediate stenosis) 환자의 경우 혈관의 협착정도를 파악해 스텐트 삽입술을 시행한다. 정확한 스텐트 삽입을 위해 혈관 조직 내부의 미세구조를 영상화 할 수 있는 영상진단방법인 OCT 검사와 함께 혈관 내 혈압 정보를 제공하는 FFR 검사가 상호보완적으로 시행된다.

OCT는 심장혈관질환 진단 영상검사로, 혈관내 동맥경화 병변을 진단할 수 있다. FFR은 중증도의 협착을 보이는 관상동맥질환에서 대동맥의 정상부위에서의 혈압과 협착된 부위의 혈압을 비교해 관상동맥의 협착 정도를 기능적으로 평가하는 검사다. OCT 혹은 FFR을 통해 중재시술의 필요성을 평가하고 보다 정밀한 시술을 시행할 수 있다.

김중선·하진용 교수 연구팀은 OCT 진단검사에 의한 혈관 협착 정보와 환자의 생체 정보를 기계 학습(Machine Learning)시켜 FFR 값을 예측할 수 있는 진단기술을 개발했다. 한 번의 OCT 진단검사에 의해 정확한 허혈 진단과 생리기능적 평가를 통합 제공할 수 있다.

연구팀은 2013년 11월부터 2015년 1월까지 세브란스 심장혈관병원에서 관상동맥중재술을 받은 환자 125명을 4개 그룹으로 샘플을 만들어 OCT 값과 FFR 값을 측정했다. 이 값을 기준으로 104명의 환자에 대한 데이터를 기계학습 시켰다.

이 중 △가장 좁아진 부위의 관상동맥 내경 △협착 부위의 비율 △병변 길이 △몸에서 가까운 쪽의 관상동맥 내경 △시술 전 혈소판 수 △고혈압의 6가지의 중요한 특성을 통해 21명의 FFR 값을 예측했다.

기계학습을 통해 나온 FFR 값을 실제 측정한 FFR 값과 비교한 결과 0.853(1에 가까울수록 실제 측정 수치에 근접)로 실제 측정한 값과 유사한 것으로 확인됐다.[그림]

[그림] 기계학습을 통해 예측한 FFR 값(세로축)이 실제 환자에서 측정한 FFR 값(가로축)과 상당히 유사한 것으로 확인됐다.

이번 연구 결과로 관상동맥중재술의 환자의 부담과 부작용을 줄일 수 있을 것으로 기대되고 있다. 특히 기존 침습적 방법이었던 FFR 검사를 대신해 컴퓨터 시뮬레이션을 통해 1~2분안에 FFR 값을 예측할 수 있어 시간을 다투는 관상동맥질환 환자들의 진단 및 치료성적도 높일 것으로 예상되고 있다.

연구팀은 향후 FFR 시뮬레이션 소프트웨어를 개발해 최근 빠르게 성장하고 있는 심혈관질환 진단 의료영상 소프트웨어 시장도 개척할 계획이다.

김중선 교수는 “FFR을 측정을 위해 압력 철선을 관상 동맥에 따로 넣어야 했던 과정을 이번 연구로 기계학습을 통해 바로 FFR 값을 임상 현장에서 빠른 시간에 확인할 수 있게 됐다”면서 “이번 연구는 가능성을 보여 준 연구로 향후 더 많은 환자의 임상 데이터를 활용하면, 최고 수준의 임상 결과를 도출할 수 있을 것“이라고 말했다.