루마니아 심장병 사망률 감소 위한 AI 혁신: 딥러닝 기반 부정맥 진단 모델 개발

루마니아 연구팀이 국제 데이터셋을 활용, 딥러닝 기반 부정맥 진단 모델을 개발하여 높은 정확도(최대 93.4%)를 달성했습니다. 이 연구는 자원 제약 의료 환경에서 심혈관 질환 진단의 효율성을 높이는 데 기여할 것으로 기대됩니다.

루마니아 심장병 사망률 감소를 위한 AI 혁신: 딥러닝 기반 부정맥 진단 모델 개발

루마니아는 심혈관 질환으로 인한 사망률이 전체 사망자의 약 1/3에 달하는 심각한 상황에 직면해 있습니다. Andrei Apostol과 Maria Nutu 연구팀은 이러한 심각한 문제 해결을 위해 자원이 제한된 의료 환경에서도 효율적이고 빠른 부정맥 진단이 가능한 혁신적인 방법을 모색했습니다.

루마니아의 공공 의료 데이터 부족으로 인해 연구팀은 국제 공개 데이터셋을 활용했습니다. ECG 신호는 환자의 국적에 관계없이 동일하다는 점에 착안하여 PTB-XL, PTB Diagnostic ECG Database, China 12-Lead ECG Challenge Database, Georgia 12-Lead ECG Challenge Database, St. Petersburg INCART 12-lead Arrhythmia Database 등 여러 데이터셋을 통합하여 사용했습니다.

데이터 전처리에는 부정맥 분류에 효과적인 Pan-Tompkins 알고리즘 변형을 활용했습니다. 이 알고리즘은 ECG 신호에서 QRS 복합체를 정확하게 검출하는 데 탁월한 성능을 보입니다. 분류 모델로는 1D CNN, 2D CNN, ResNet, Vision Transformer(ViT) 등 다양한 딥러닝 모델을 적용하여 정확도와 F1 점수를 비교 분석했습니다.

실험 결과는 두 가지 관점에서 분석되었습니다. 첫째, ECG 신호를 직접 입력으로 사용한 결과, GRU 기반 1D CNN 모델이 93.4%의 가장 높은 정확도를 달성했습니다. 둘째, ECG 신호를 이미지로 변환하여 2D CNN 모델에 적용한 결과, 92.16%의 정확도를 기록했습니다. 이러한 결과는 딥러닝 기반 부정맥 진단 모델의 높은 성능과 실용성을 보여줍니다.

이 연구는 루마니아를 비롯한 심혈관 질환으로 고통받는 많은 국가들에게 희망적인 메시지를 전달합니다. 자원 제약에도 불구하고, AI 기반의 효율적인 진단 시스템 개발을 통해 더 많은 생명을 구할 수 있다는 가능성을 보여주는 중요한 성과입니다. 향후 연구에서는 더욱 다양한 데이터셋과 모델을 활용하여 정확도와 효율성을 더욱 향상시키는 연구가 필요할 것입니다. 또한, 실제 임상 환경에서의 검증을 통해 실제 적용 가능성을 확인하는 단계가 중요합니다.