메뉴바로가기본문바로가기

동아사이언스

표현하기 힘든 환자의 고통 AI로 찾는다

통합검색

표현하기 힘든 환자의 고통 AI로 찾는다

2021.04.09 13:27
게티이미지뱅크 제공
게티이미지뱅크 제공

병원에서 환자들에게 통증의 크기를 물을 때엔 0부터 10까지 등급을 사용한다. 이는 지극히 주관적이라 어린 아이나 고통에 무딘 환자들은 고통을 과소평가하기도 하고, 반대로 고통을 과도하게 평가해 약물 중독을 야기하는 경우도 있다. 


미국 존스홉킨스대 응용물리연구소 등 공동 연구팀은 인공지능(AI) 기술로 환자의 고통을 객관화하는 방법을 개발해 이런 한계를 극복했다. 연구팀은 적혈구 모양이 낫처럼 굽은 모양으로 변하는 낫적혈구빈혈 환자 46명의 입원 데이터 105개를 활용했다. 낫적혈구빈혈은 만성 또는 급성 통증을 동반한다.


연구팀은 환자의 입원 데이터에서 혈중산소포화도, 심박수, 혈압 등 총 6개의 생리 지표를 뽑아 여러 가지 AI 모델을 기계학습시켰다. 그리고 각각의 모델이 수집한 생리 지표를 기준으로 환자들의 통증을 세 단계로 평가하게 했다.

 

연구 결과 은닉 마르코프 모델(hidden Markov model)의 정확성, 정밀도, 재현율이 전반적으로 가장 뛰어났다. 은닉 마르코프 모델은 시스템이 관찰 가능한 결과와 은닉된 상태 두 가지 요소로 이뤄졌다고 가정하는 모델이다. 이 연구에서 관찰 가능한 결과에 해당하는 특성은 생리 지표이고, 은닉된 상태는 환자의 통증 수준이다. 연구팀은 모델링을 통해 특정 생리 지표에서 각 통증 수준이 나타날 확률을 구했다. 


연구에 참여한 대니얼 에이브럼스 미국 노스웨스턴대 응용수학부 연구원은 “환자들이 평가한 통증 수준과 AI로 통증을 예측한 결과를 비교해 환자들이 자신의 통증을 어떻게 평가하는지도 알 수 있었다”며 “다양한 생리 지표를 수집하고 학습시키면 낫적혈구빈혈 외에 만성 통증을 일으키는 다른 질병에도 적용할 수 있을 것”이라고 말했다. 이 연구는 국제학술지 ‘플로스 컴퓨테이셔널 바이올로지’ 3월 11일자에 실렸다. doi: 10.1371/journal.pcbi.1008542
 

관련 태그 뉴스

이 기사가 괜찮으셨나요? 메일로 더 많은 기사를 받아보세요!

댓글 0

20 + 6 = 새로고침
###
    과학기술과 관련된 분야에서 소개할 만한 재미있는 이야기, 고발 소재 등이 있으면 주저하지 마시고, 알려주세요. 제보하기