.png)
장중첩증은 영유아에서 가장 흔한 장폐색 원인으로 장의 일부가 인접한 장 안으로 말려 들어가서 발생하며 치료가 늦어질 경우 장 괴사나 천공으로 이어질 수 있는 응급질환이다. 신속한 진단이 중요하지만 복통, 구토, 보챔 등 비특이적인 증상으로 나타나는 경우가 많아 조기 감별이 쉽지 않다. 일반적으로 복부 초음파 검사를 통해 진단하지만 검사자의 숙련도와 진료 환경에 따라 검사가 불가능하거나 진단이 늦어지는 경우가 흔히 발생한다.
비장비대증은 감염성 질환, 혈액질환, 간질환, 악성종양 등 다양한 전신질환의 초기 징후가 될 수 있지만 신체 진찰만으로는 정확한 판단이 어려운 경우가 많다. 주로 초음파나 CT 검사로 확인하지만 검사 접근성과 판독 경험에 따라 정확한 진단에 제약이 발생할 수 있다.
이번 연구에는 국내 7개 상급종합병원에서 2012년부터 2022년까지 촬영된 소아 복부 X-Ray 영상 2만6552건이 활용됐다. 연구팀은 이 중 6개 기관의 데이터를 이용해 딥러닝 기반 AI 모델을 개발하고 내부 검증을 수행했으며, AI 학습에 사용되지 않은 나머지 1개 기관의 데이터는 외부 검증용 데이터 그룹으로 분류했다.
내부 검증 결과 해당 모델은 장중첩증 환자의 약 83%, 비장비대증 환자의 약 81%를 정확히 찾아냈다. 또한 정상 환자 역시 각각 약 85%, 83% 수준으로 구별해냈다.
특히 외부 검증에서도 장중첩증 환자의 약 80%, 비장비대증 환자의 약 78%를 찾아내고 정상 환자 역시 83~84% 수준으로 구별해냈다. 이는 해당 AI 모델이 특정 병원 환경에만 최적화된 것이 아니라 다양한 의료 현장에서도 활용될 가능성을 입증하는 결과다.
또한 AI의 전반적인 판별 능력을 평가하는 지표인 AUC(Area Under the Curve)는 장중첩증에서 내부 검증 0.851, 외부 검증 0.818을 기록했으며, 비장비대 판별 능력도 각각 0.834와 0.806로 나타났다. 일반적으로 AUC 지표가 0.8 이상이면 우수한 성능으로 평가된다.
신민수 교수는 “이번 연구의 가장 큰 의의는 대부분의 의료기관에서 흔히 시행하는 단순 복부 X-ray만으로도 장중첩증과 같은 소아 응급질환과 비장비대증을 조기에 선별할 수 있는 가능성을 확인한 점”이라며 “특히 소아 영상 판독 전문의가 부족하거나 초음파 검사를 즉시 시행하기 어려운 환경에서 의료진의 신속한 의사결정을 돕고 환자의 골든타임을 지키는 데 기여할 수 있을 것으로 기대한다”고 말했다.
함성원 교수도 연구 결과에 대해 “서로 다른 의료기관에서 수집된 대규모 데이터를 기반으로 소아 응급질환 선별 AI의 안정성과 범용성을 검증했다”며 “향후 다양한 소아 질환으로 연구 범위를 확대해 실제 임상 현장에서 활용 가능한 의료 AI 기술 개발을 지속해 나가겠다”고 밝혔다.
이번 연구는 미국 의학영상정보학회(SIIM) 공식 국제학술지 ‘Journal of Imaging Informatics in Medicine(JIIM)’에 게재됐다.
