뉴스

국내 연구진이 파킨슨병을 뇌 영상만으로 조기 진단하고 향후 질병 진행 양상을 예측해 시각적으로 제시할 수 있는 인공지능(AI) 기술을 개발했다. 단순 판별을 넘어 ‘예후 예측 영상’까지 생성할 수 있어 실제 임상 적용 가능성까지 확인됐다.

서울아산병원은 김남국 융합의학과 교수 연구팀이 도파민수송체 양전차방출단층촬영(DAT PET) 영상을 기반으로 파킨슨병을 판별하고 병의 경과를 예측하는 생성형 AI 모델을 개발했다고 9일 밝혔다.

이번에 개발된 모델은 DAT PET 영상 1934건을 학습했다. 파킨슨병과 본태성 떨림, 다계통위축증(MSA), 진행성핵상마비(PSP) 등 유사 질환을 구별하는 임상 실험에서 최대 99.7%의 진단 정확도를 기록했다.

단순한 판별 기능 외에도 학습한 정보를 바탕으로 환자의 향후 뇌 영상이 어떻게 변화할지를 예측하고 그 결과를 이미지로 생성해 제공한다.

다양한 진단 작업에 적용될 수 있는 ‘파운데이션 모델(Foundation Model)’을 기반으로 개발됐다. 특히 연구팀이 자체 설계한 ‘계층적 확산모델 기반 인코더(HWDAE)’를 활용해 복잡한 뇌 영상 데이터를 단계적으로 나눠 정교한 영상 생성 능력을 확보했다. 이미지를 일부러 흐리게 만들었다가, 흐릿한 이미지를 점점 선명하게 복원하는 과정을 반복해 영상의 해상도를 더 높이는 방식이다.

연구팀은 모델을 활용해 본태성 떨림과 초기 파킨슨병을 구별하는 작업, 파킨슨병·다계통위축증·진행성핵상마비를 감별하는 작업, 파킨슨병의 운동 증상 발현 시점을 예측하는 작업 등 세 가지 임상 작업을 수행했다.

그 결과 본태성 떨림과의 감별에서는 99.7%의 정확도를 보였다. 특히 다계통위축증(MSA)과 진행성핵상마비(PSP)를 감별하는 작업에선 86.1%의 정확도를 보였다. 연구팀은 "MSA와 PSP 감별 정확도가 86.1%에 달한 것은 임상적으로 활용될 수 있음을 의미한다"고 말했다.

연구팀은 서울아산병원 내 다양한 PET 기종과 외부 병원에서 촬영된 영상에도 AI 모델을 적용해 정확도를 검증했다. 그 결과 장비나 병원이 달라도 일관된 성능을 유지했다.

김남국 교수는 “단순 진단을 넘어 진행 예측 영상까지 생성할 수 있는 AI 기술을 실제 임상에 적용한 사례로 앞으로 다른 퇴행성 뇌질환에도 확장해갈 계획”이라고 밝혔다. 연구 결과는 국제학술지 '셀 리포츠 메디신'에 지난달 27일 게재됐다.

<참고 자료>
- doi.org/10.1016/j.xcrm.2025.102207