인공지능(AI)기술을 활용해 파킨슨 병 환자의 움직임을 분석, 파킨슨 병 진단에서 부터 진행정도를 파악할 수 있다는 연구 결과가 나왔다. 파킨슨병 뿐만 아니라 운동계열 장애에 도움을 줄 것으로 기대된다.
IBM이 화이자, 스피바크 신경 과학 센터, 터프츠 대학교 연구팀과 AI기술을 활용한 파킨슨 병 진단법을 담은 논문을 최근 네이처 과학 저널에 공개했다고 벤처비트는 6일 보도했다.
인간은 걷거나 뛸때 팔을 휘두르는 움직임이 필요하다. 이러한 움직임의 다음 동작은 파킨슨병의 징후를 측정하고 분석할 수 있는 활동 패턴을 만든다. 파킨슨병 환자의 움직임을 측정해보면 정상인의 측정치와 다르기 때문이다. 이러한 편차는 시간 경과에 따라 질병 진행 정도를 나타내 준다.
합동 연구팀은 이같은 사실을 활용해 이동 움직임 측정치를 생성하는 비지도 AI 모델을 개발했다. 웨어러블 기구로 측정한 연속 신호를 건강한 일반인 실험군에 걸쳐 공통적인 "실라블" 단위의 순서로 변환했다. 또 실라블 하위 순서는 서로 다른 동작과 공유했다. 그 결과, 실라블 간 변환의 통계적 분포를 분석해보니 파킨슨병 환자의 경우 체계적이지 않은 기호의 순서를 나타냈다.
이 AI모델은 점점 산만해지는 움직임 사이의 전환을 포착해 파킨슨병 환자의 보행 장애와 심각성을 추정할 수 있다. 다수의 실험에서 표준 신경검사를 받은 파킨슨병 환자와 건강한 일반인, 일상활동을 하는 파킨슨병 환자에게서 수집한 데이터를 사용했다.
비지도 방식은 매우 효율적인 것으로 나타났으며 안정적 추정치를 생성하려면 평균 10분 미만의 시간에서 활동한 데이터가 필요했다.
이는 일반적으로 1년에 몇 번만 측정하는 운동 장애 협회(MDS)의 파킨슨 병 진단기준과 다르다. 보다 주관적이며 주로 환자 스스로 보고에 의존한다.
특히 연구팀은 이 모델이 실제 상용화 된다면, 사람의 신경학적 상태를 상시 평가하고 임상 환경과 가정을 비교 평가 할 것으로 기대하고 있다.
한편, 2020 머신러닝 헬스케어 컨퍼런스(MLHC)에서 IBM과 미카엘 J 폭스 재단은 파킨슨 병이 진행정도를 보여주는 질병 진행 모델을 발표할 계획이다.
IBM과 미카엘 J. 폭스 재단은 떨림 현상을 완화하고 통제력을 향상시킬 수 있는 약물과 같은 요인을 계산한 알고리즘 제품군을 구축했다.
이 알고리즘은 숨겨진 마르코프 모델이라고 불리는 확률론적 프레임워크를 기반으로 한다. 개인화 효과를 학습하기 위해 변동 추론을 사용해 모델을 학습한다. 그 다음 질병 모델의 변수를 해석하고 특정 환자 조직을 예측 분석 한다.
연구팀은 이 연구가 당뇨병, 알츠하이머병, 근위축성 측경화증(ALS)과 같은 다른 조건에서도 비슷한 결과를 얻을 수 있기를 기대하고 있다.
한편, 폭스 재단은 파킨슨병 환자와 건강한 사람을 구별하기 위해 언어 이해 변화를 분석한 AI 실험 연구와 환자 언어 변동을 장기적으로 감지ㆍ분석할 수 있는 머신러닝 알고리즘을 구축할 계획이다. 또 IBM은 앞서 2018년 AI기술을 활용한 신경퇴행 장애 추적, 모니터링ㆍ진단 손톱 센서 프로토타입도 개발한 바 있다.
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com