AI 기반 혈관 나이 측정: 심혈관 질환 예측의 새로운 지평

AI 기반 혈관 나이 측정 기술은 PPG 데이터를 활용하여 심혈관 질환 위험을 정확하게 예측하는 새로운 방법을 제시합니다. UK Biobank와 MIMIC-III 데이터를 이용한 연구 결과는 AI 혈관 나이가 주요 심혈관 질환의 위험 예측에 유용한 지표임을 보여주며, 향후 심혈관 질환 예방 및 관리에 혁신적인 도구로 활용될 가능성을 시사합니다.

웨어러블 기기의 보급 확대와 더불어, 광 용적 맥파 측정법(PPG) 을 이용한 비침습적 심혈관 건강 모니터링 기술이 급부상하고 있습니다. 최근 광쿤 니에(Guangkun Nie) 박사가 이끄는 연구팀은 심층 학습 기반의 혁신적인 혈관 나이 측정 프레임워크를 개발하여 주목받고 있습니다. 이 연구는 단순히 나이를 측정하는 것을 넘어, AI를 통해 혈관의 실제 건강 상태를 반영하는 'AI 혈관 나이'를 제시합니다.

이 연구의 핵심은 불균형 데이터 문제를 해결하기 위한 분포 인식 손실 함수의 도입입니다. 방대한 양의 UK Biobank (UKB) 데이터 (개발 코호트 98,672명, 임상 평가 코호트 113,559명, 총 144,683개의 데이터 쌍)를 활용하여 개발된 이 모델은, 다양한 심혈관 질환 위험 요소를 고려하여 보다 정확한 혈관 나이를 예측합니다.

놀랍게도, 연구 결과 AI 혈관 나이와 실제 나이 차이가 9년 이상인 사람들은 주요 심혈관 및 뇌혈관 질환 (MACCE) 발생 위험이 무려 2.37배나 높았습니다 (p < 0.005). 당뇨병, 고혈압, 관상동맥 질환, 심부전, 심근 경색, 뇌졸중, 전 원인 사망률 역시 유의미하게 증가했습니다. 반대로, AI 혈관 나이가 실제 나이보다 9년 이상 젊은 사람들은 이러한 질환 발생 위험이 현저히 낮았습니다.

더 나아가, 연구팀은 UKB의 시계열 PPG 데이터를 이용하여 AI 혈관 나이의 장기적 적용 가능성을 평가했습니다. 두 개의 서로 다른 시점에서 측정된 AI 혈관 나이를 활용하여 미래의 MACCE 발생률을 예측하는 데 성공했습니다. MIMIC-III 데이터셋 (n = 2,343)을 이용한 외부 검증 결과 또한 혈관 나이 차이가 1년 증가할 때마다 입원 사망 위험이 1.02배 증가한다는 것을 보여주며 (p < 0.005), 이 모델의 강력한 예측 성능을 입증했습니다.

결론적으로, 이 연구는 AI 혈관 나이를 비침습적이고 효율적인 심혈관 건강 평가를 위한 새로운 디지털 바이오마커로 제시합니다. 이 기술은 향후 심혈관 질환의 조기 진단 및 예방, 나아가 개인 맞춤형 건강 관리에 혁신적인 전기를 마련할 것으로 기대됩니다.