산화스트레스 정량화해 만성질환 위험 예측하는 모델 개발

생체지표와 임상 데이터 등을 고려해 산화스트레스 정량화 입증

국내 연구팀이 한국인의 산화스트레스 위험을 진단하기 위한 머신러닝 모델을 개발해 검증했다. 현재 건강한 사람이라도 산화스트레스를 예측해 추후 만성질환이 발생할 위험을 낮추기 위한 식생활과 생활습관 등 전략을 세우는 데 도움을 줄 전망이다. 게티이미지뱅크 제공

산화 스트레스(체내 활성산소가 많아져 생체 산화 균형이 무너진 상태)가 지속적으로 발생하면 만성 염증 상태가 이어져 대사증후군이나 심혈관질환, 신경퇴생성 질환, 암 등 만성 질환이 생길 수 있다. 국내 연구팀이 한국인의 산화스트레스 위험을 진단하기 위한 머신러닝 모델을 개발해 검증했다. 현재 건강한 사람이라도 산화스트레스를 예측해 추후 만성질환이 발생할 위험을 낮추기 위한 식생활과 생활습관 등 전략을 세우는 데 도움을 줄 전망이다. 

권오란 이화여대 식품영양학과 교수 연구팀은 힐다 보우만 네덜란드 응용과학연구기구 연구원팀과 함께 나이와 체질량지수(BMI), 식사의 질, 혈액지표 등 16가지 변수를 종합적으로 고려해 사용자의 산화스트레스 위험 정도를 정량화해 예측하는 모델을 개발했다고 12일 밝혔다. 

지금까지 전문가들은 인공지능(AI)으로 임상 빅데이터를 분석해 환자에게 적합한 의료정보를 제공하거나 진단, 치료 오류를 줄여주는 연구를 해왔다. 하지만 AI를 활용해 산화스트레스로 인한 만성 질환 발생 위험을 예측하거나, 식생활과 생활방식에 따른 영양상태를 파악하는 정밀영양에 대한 연구는 이전까지 거의 없었다.

과거 여러 연구를 통해 흡연이나 노화, 지질 과산화산물인 말론디알데하이드 등의 변수가 산화스트레스와 관련된 요인이라는 사실은 밝혀냈지만, 이런 단일 변수를 기반으로 진단을 하는 것은 불가능하다. 여러 변수 각각은 산화스트레스 발생에 중요한 역할을 할 수 있으며, 복합적으로 상호작용을 할 수도 있기 때문이다. 

연구팀은 산화스트레스 상태를 식별하는 기계학습 알고리즘을 개발했다. 다양한 변수에 따른 건강상태를 예측할 수 있도록 다양한 생체지표를 기반으로 개인의 영양 상태를 다차원적으로 표현하는 '공간방법론'을 활용한 것이다. 또한 다양하고 복잡한 데이터에서 변수의 특성을 고려해 예측 효과를 높이기 위해 머신러닝 기술을 사용했다. 

이렇게 개발한 알고리즘은 개인의 나이와 BMI, 식사의 질, 혈액지표 등 16가지 변수를 종합적으로 고려해 산화스트레스의 위험 정도를 정량화해 예측한다. 연구팀은 이 알고리즘을 활용해 2015년 4월부터 2018년 8월까지 서울시 보라매병원에서 건강검진을 한 2454명의 임상 데이터를 분석했다. 그 결과 민감도 0.923와 특이도 0.855로 알고리즘으로 산화스트레스 위험을 예측하는 정확성이 매우 뛰어난 것으로 나타났다. 이 두 수치는 1에 가까울수록 알고리즘이 예측한 결과가 실제에 적중할 확률이 높다. 

연구팀은 건강한 인구 집단에서 산화스트레스 위험을 예측해 만성질환을 예방할 수 있도록 식생활과 생활습관과 관련된 건강관리 전략을 세우는 데 유용할 것으로 기대하고 있다. 또한 국가 대규모 코호트 자료를 이용해 이 알고리즘을 재검증하고, 다른 국가의 자료와 비교 분석하는 연구를 진행할 예정이다. 

이 연구는 한국연구재단 지원을 받았으며 항산화분야 국제학술지 '안티옥시단츠' 7월 16일자에 실렸다. 

[이정아 기자 zzunga@donga.com]