AI, 수의학 분야에서 전문의급 진단 정확도 입증…개 심장 잡음과 승모판막 질환 감지해

케임브리지 대학 연구진이 인간의 심장 잡음 진단용 AI 알고리즘을 개 심장 질환 진단에 성공적으로 적용했다. 영국 내 4개 수의학 전문병원에서 756마리의 개를 대상으로 연구를 진행했으며, 총 2,258개의 심장 소리 녹음 데이터(618분)를 수집했다. 연구 대상견 중 카발리에 킹 찰스 스패니얼이 88마리로 가장 많았고, 치와와 55마리, 래브라도 45마리 순이었다

연구진은 각 개체의 좌측 심첨부, 좌측 기저부, 우측에서 각각 15초간 전자청진기로 심장 소리를 녹음했다. 이 소리 데이터는 정규화된 로그 스펙트로그램으로 변환되어 분석되었다. 알고리즘의 신뢰성 확보를 위해 50회의 반복 평가를 실시했으며, 사람의 심장 소리로 학습된 기본 모델을 개의 심장 소리에 맞게 미세 조정하는 전이학습 방식을 적용했다.

연구진이 개발한 알고리즘은 심장 잡음을 감지하는데 있어 87.9%의 민감도와 81.7%의 특이도를 달성했다. 전문의의 진단과 비교했을 때 57%의 정확한 일치도를 보였으며, 95.2%의 사례에서 전문의의 진단과 1단계 이내의 차이만을 보였다.

질환별로는 폐동맥 협착증에서 98.5%, 대동맥 협착증에서 99.5%, 동맥관 개존증에서 87.7%, 승모판막 질환에서 91.4%의 높은 감지율을 보여주었다. 특히 승모판막 질환 환자의 93%에서 좌측 심첨부에서 최대 강도의 잡음이 관찰되었다. 정상 심장을 가진 개체의 30%에서도 잡음이 감지되었으나, 대부분(28%)이 약한 강도였다. 이는 다양한 심장 질환에서 알고리즘이 안정적인 진단 성능을 보유하고 있음을 입증했다.

승모판막 질환의 B1과 B2 단계를 구분하는데 있어 알고리즘은 ROC 곡선 아래 면적(AUC) 0.861을 기록했다. 구체적으로 81.4%의 민감도와 73.9%의 특이도를 보였는데, 이는 전문의의 진단 정확도인 73.3%의 민감도와 77.0%의 특이도와 비교했을 때 대등한 수준이다.

연구진은 이번 연구가 몇 가지 한계점을 가지고 있다고 지적했다. 전임상 MMVD 표본의 크기가 B1 217건, B2 126건으로 제한적이었으며, 일차 진료 환경에서의 추가 검증이 필요하다고 밝혔다. 또한 일반 수의사들이 실제 진료 환경에서 사용할 때의 성능을 검증해야 하며, 전문의 의뢰를 위한 적절한 기준 설정에 대한 추가 연구가 필요하다고 제시했다. 향후 연구 방향으로는 녹음된 심장 소리의 품질을 평가하는 알고리즘 개발과 생체표지자 정보를 결합한 진단 모델 개발이 제시되었다.

기사에 인용된 리포트의 원문은 링크에서 확인할 수 있다.

기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다. 

관련 콘텐츠 더보기