[AI픽] 자폐스펙트럼장애 AI 진단·경과 예측 가능성 열었다

KIST·멜버른대·서울대병원, 해석 가능 AI 프레임워크 개발

한경림 KIST 책임연구원·한소연 멜버른대 교수·김붕년 서울대병원 교수(왼쪽부터) [KIST 제공. 재판매 및 DB 금지]

(서울=연합뉴스) 조승한 기자 = 국내 연구진이 참여한 국제공동연구팀이 인공지능(AI)과 뇌 영상으로 자폐스펙트럼장애를 객관적으로 진단하고 치료 경과를 예측할 수 있는 가능성을 보였다.

한국과학기술연구원(KIST)은 뇌과학연구소 한경림 책임연구원 연구팀이 한소연 호주 멜버른대 교수, 김붕년 서울대병원 소아청소년정신과 교수 연구팀과 공동으로 자폐스펙트럼장애 환자의 개인별 특성 평가와 치료 경과 예측을 위한 AI 프레임워크를 개발했다고 11일 밝혔다.

이번 연구 결과는 이달 13일까지 제주국제컨벤션센터에서 열리는 AI·데이터마이닝·데이터사이언스 학회 'ACM SIGKDD'에서 발표됐다.

자폐스펙트럼장애는 제한된 관심과 반복 행동, 사회적 상호작용의 어려움이 특징인 신경발달장애다.

미국에서는 8세 아동 31명 중 1명이 진단받고 있으며 국내에도 2023년 말 기준 4만3천명으로 10년여간 2배 이상 증가했다.

하지만 현재 진단과 경과 예측은 증상과 징후 관찰에만 의존하고 있어 영유아기에 조기 진단하고 치료하기 어려웠다.

연구팀은 기능적 자기공명영상(fMRI) 분석을 통해 자폐스펙트럼장애 아동이 정상 발달 아동보다 두뇌의 기능 연결성이 낮다는 사실을 확인했다.

자폐스펙트럼장애 아동 두뇌의 기능적 연결 감소 측정 [KIST 제공. 재판매 및 DB 금지]

특히 감각 정보를 통합하는 하두정소엽과 감각 중계 역할을 하는 시상을 중심으로 뇌 전반 네트워크 연결이 감소했다.

또 연구팀은 AI가 실제 두뇌 네트워크의 변화를 얼마나 잘 반영하는지 평가하는 '생성적 매니폴드 감사'(GMA) 프레임워크를 개발했다.

정상 발달군의 두뇌 연결 패턴을 학습한 AI가 특정 뇌 영역 연결을 차단해 변화를 분석하고, 민감도 격차를 파악해 AI가 단순 정보손실이 아닌 뇌 네트워크 구조 변화를 포착하는지 평가하는 기법이다.

이를 통해 개발한 분석법은 다기관 자폐 뇌 영상 데이터셋 'ABIDE'와 서울대병원 자폐 아동 임상 코호트를 활용해 검증했다.

그 결과 생성형 AI 모델이 비교용 모델보다 뇌 네트워크의 구조 변화를 더 정확하게 구분하는 것으로 나타났다.

임상 증상이 호전돼도 뇌 기능 네트워크 변화 양상이 환자마다 다를 수 있음을 확인해 증상만으로 확인이 어려운 개별 뇌 변화를 AI로 분석할 수 있는 가능성도 보였다고 연구팀은 설명했다.

한 책임연구원은 "뇌과학과 인공지능을 융합해 자폐스펙트럼장애 환자마다 다른 뇌의 변화를 객관적으로 분석할 수 있는 가능성을 제시한 성과"라며 "향후 환자별 뇌 네트워크의 특성을 정밀하게 분석해 조기 진단과 치료 경과 예측에 활용할 수 있는 바이오마커 개발로 이어가겠다"고 밝혔다.

shjo@yna.co.kr

▶제보는 카톡 okjebo