수면 단계 분류를 높은 정확도와 설명 가능 방식으로 보여주는 이미지 기반 자동 판독 알고리즘이  국내 연구진에 의해 개발됐다. 과정 자동화를 통해 수면 데이터 판독 소요시간을 대폭 줄일 수 있을 것으로 기대된다.

14일 서울대병원에 따르면 신현우 서울대병원 교수, 김동규 한림대 춘천성심병원 교수 공동 연구팀은 세계 최대 규모의 수면다원검사 데이터셋을 활용한 이미지 기반 자동 판독 알고리즘을 개발하고 수면 단계 판독과 수면 생체 신호를 시각화한 연구 결과를 발표했다.

수면 단계 분류는 수면 관련 질환을 진단하는 데 필수적이며 수면의 질을 평가하는 데 중요한 역할을 한다. 수면 단계는 보통 Wake(각성)-N1-N2-N3-REM(깊은 수면)의 5단계로 분류된다.

기존 수면 데이터 분석을 위한 연구에선 검사 환경에 있어 샘플링 속도나 센서의 타입이 변할 때마다 판독자가 직접 조정을 해야 하는 한계가 있었다.

연구팀은 세계 최대 규모인 10253건의 수면다원검사 데이터셋을 구축하고 이 가운데 7745건의 데이터를 활용해 이미지 기반 의료 인공지능 알고리즘을 개발했다.

분석 결과 새로 개발된 이미지 기반 자동 판독 알고리즘은 80% 이상의 수면 단계 분류 정확도를 보였다. 이는 기존 의료진 판독자 간의 수면 결과 판독 일치율과 유사한 수준이다.

연구팀은 시각적으로 파악할 수 있는 생체 신호 데이터의 표준화된 이미지를 바탕으로 인공지능 모델의 학습 패턴을 구현했다.

또 이국 수면 데이터셋인 SHHS를 활용해 외부 검증을 진행했다. 검증 결과 일부 신호의 누락이나 검사 환경 차이에도 내부 검증과 동일한 수준을 보여 인종이나 국가에 상관없이 알고리즘 분석 적용이 가능하다는 설명이다.

연구팀은 수면 생체 신호의 경향성을 시각적으로 설명 가능한 이미지로 학습시키고 수면 단계 분류를 판독했다는 점에서 기존의 연구와 차별성이 있다고 강조했다.

연구 결과는 수면의학 국제학술지 수면(Sleep) 최근호에 게재됐다.

신현우 서울대병원 교수는 "의료 인공지능 모델에 요구되는 설명 가능성을 충족할 수 있는 이미지 기반의 수면 단계 자동 판독 알고리즘을 개발했다는 점에서 큰 의미가 있다"며 "연구결과가 AI 기반 수면다원검사 자동 판독을 활성화하고 수면 의료의 효율성 향상에 기여할 수 있길 기대한다"고 말했다.