한국 연구자들의 AI 시스템이 ASD 중증도 예측에 어떻게 도움이 될 수 있는지

연세대학교 의과대학(YUCM) 연구원들은 자폐 스펙트럼 장애(ASD)를 진단하고 그 중증도를 결정할 수 있는 딥러닝 기반 모델을 성공적으로 개발했습니다. 팀은 공동 주의 행동에 초점을 맞추어 ASD에 대한 객관적이고 정량적인 측정치를 제공하여 현재 주관적인 임상 평가에 대한 의존성을 해결하는 것을 목표로 했습니다. 그들의 발견은 진단 정확도를 개선하고 ASD 및 기타 신경 장애를 위한 정밀한 선별 도구 개발에 도움을 줄 잠재력을 가지고 있습니다.

한국에 위치한 연세대학교는 거의 1,000 과정을 영어 강의로 제공하며, 그 중 많은 과정이 의학, 간호학, 법학, 음악 및 원격 국제 송도 캠퍼스의 과정을 제외한 모든 학과의 CIEE 학생들에게 개방되어 있습니다. 많은 국제 학생들이 더 많은 기술을 연마하고 경력을 개발하고자 하는 욕심으로 한국에서 의학을 공부하기를 선택합니다. 그러나 한국에서 공부하는 것은 쉽지 않으므로 이전의 학문적 준비가 필요합니다.

공동 주의의 객관적 평가

자폐 스펙트럼 장애 (ASD)는 사람들이 타인과 상호작용하고, 소통하고, 학습하며, 행동하는 방식에 영향을 미치는 신경 및 발달 장애입니다. 자폐증은 모든 연령에서 진단될 수 있지만, 증상이 일반적으로 생후 2년 이내에 나타나기 때문에 '발달 장애'로 설명됩니다. 과학자들은 ASD의 여러 원인이 함께 작용하여 사람들이 발달하는 가장 일반적인 방식을 변화시킨다고 믿습니다.

사회적 상호작용 중 눈맞춤, 고개 돌리기, 눈 이동과 같은 행동을 포함하는 공동 주의는 ASD 진단을 위한 중요한 행동 지표입니다. 그러나 공동 주의에 대한 객관적이고 정량적인 측정치의 부재는 정확한 진단에 과제를 제기해 왔습니다. 이를 해결하기 위해 YUCM의 생체의료시스템정보학과 고찬영 강사와 박유랑 교수는 공동 주의 행동을 객관적으로 평가하기 위한 프로토콜을 개발했습니다.

데이터 수집 및 딥러닝 모델

연구원들은 ASD가 있는 45명과 ASD 증상이 없는 50명을 포함한 95명의 어린이(만 24-72개월)로부터 공동 주의 행동의 비디오를 녹화했습니다. 이러한 비디오에는 공동 주의 시작(IJA), 낮은 수준의 공동 주의 반응(RJAlow) 및 높은 수준의 공동 주의 반응(RJAhigh)의 세 가지 유형이 포함되었습니다. 이 데이터셋을 사용하여 팀은 ASD가 있는 어린이와 그렇지 않은 어린이를 구별하고 ASD의 중증도를 예측하기 위해 딥러닝 모델을 훈련했습니다.

연구원들은 수신자 작동 특성 곡선 아래 영역(AUROC), 정확도, 정밀도 및 재현율을 포함한 여러 지표를 사용하여 모델의 성능을 평가했습니다. AUROC는 테스트의 진단 정확도를 측정하는 반면, 정확도는 데이터셋에서 올바른 예측의 비율을 나타냅니다. 정밀도는 양성 테스트 결과를 가진 개인을 올바르게 식별할 확률을 평가하는 반면, 재현율은 상태가 있는 개인을 올바르게 식별할 확률을 결정합니다.

눈부신 결과 및 중증도 평가

딥러닝 모델은 세 가지 유형의 모든 공동 주의 행동에 걸쳐 exceptional한 성능을 달성했습니다. IJA 비디오를 입력으로 분석할 때 모델은 99.6%의 AUROC, 97.6%의 정확도, 95.5%의 정밀도 및 99.2%의 재현율을 보였습니다. 모델의 성능은 다른 두 유형의 공동 주의 행동을 분석할 때도 일관되게 유지되었습니다. 

중증도 평가(ASD의 중증도를 증상 없음, 경증-중등증 및 중증으로 분류)와 관련하여, 모델은 IJA 비디오를 분석할 때 90.3%의 AUROC, 84.8%의 정확도, 76.2%의 정밀도 및 84.8%의 재현율을 달성했습니다.

중요성 및 미래 함의

이 결과는 IJA가 다른 공동 주의 행동에 비해 사회적 상호작용에 대한 어린이의 욕구와 의도를 더 정확하게 반영하는 더 정밀한 분류임을 시사합니다. 박 교수는 그들의 연구의 중요성을 강조하며, 개발된 모델이 ASD를 식별하고 증상 중증도를 평가하기 위해 어린이의 행동 지표의 객관적인 디지털화를 가능하게 한다고 밝혔습니다. 이 발견은 ASD 및 행동적 복잡성을 가진 기타 신경 장애에 대한 선별 도구 및 정밀 진단 방법 개발에 함의를 가집니다.

연세대학교 연구원들은 딥러닝 기반 모델을 개발하여 ASD 중증도 분석에서 상당한 진전을 이루었습니다. 그들의 공동 주의 행동에 대한 객관적 평가는 ASD 진단 및 중증도 예측을 위해 더 정확하고 정량적인 접근 방식을 제공합니다. 이 돌파구는 ASD 및 유사한 행동적 도전을 가진 기타 신경 장애에 대한 선별 도구 및 진단 방법 개발을 돕는 연구 및 임상 평가에 도움을 줄 잠재력을 가지고 있습니다. JAMA Network Open에 게재된 이 발견은 ASD에 대한 이해와 관리를 발전시키는 데 기여합니다.

참고: 피처 이미지는 아이리스(Iris), 자폐증이 있는 아이이며 그림을 통해 자신을 표현한 아이의 것입니다. 그녀의 부모는 그녀의 사적 치료와 예술 작품을 위해 그녀의 예술 작품을 판매합니다. 그레이스도 페이스북 페이지 부모들이 처리하는 “@IrisGracePainting”. 그녀는 영국과 전 세계 여러 곳에서 여러 작품을 판매했습니다.