분당서울대병원 소아청소년과 김경훈 교수 연구팀이 소아 환자의 천명음을 분류하는 트랜스포머(Transformer) 기반 인공지능(AI) 모델을 개발했다. 이번 모델은 91.1%의 정확도로 천명음을 식별해 임상 적용 가능성을 높였다.

천명음은 기도가 좁아지거나 막혀 발생하는 고음의 호흡음으로, 소아 천식과 만성 폐쇄성 폐질환 등 호흡기 질환의 조기 진단에 핵심적이다. 기존에는 청진기를 통한 의료진의 주관적 판단에 의존했으나, 진단 정확도 차이를 줄이기 위한 객관적 방법의 필요성이 꾸준히 제기돼 왔다.

김 교수팀은 호흡음을 주파수 형태의 멜 스펙트로그램(Mel Spectrogram)으로 변환한 뒤, 이를 16x16 조각으로 나눠 전체 흐름과 패턴을 학습하는 '호흡음 분석 변환 모델(AST)'을 설계했다. 이는 특정 시점만 분석하는 기존 합성곱 신경망(CNN) 방식보다 정밀한 분류가 가능하다.

연구팀은 천명음 194개와 기타 호흡음 531개를 확보해 80%는 학습용으로, 20%는 성능 평가에 활용했다. 독립적인 소아 폐 전문의 2명의 평가를 거친 결과, AST 모델은 정확도 91.1%, 정밀도 88.2%, F1-Score 82.1%를 기록하며 CNN 대비 우수성을 입증했다.

또한 AST 모델은 데이터 전처리 과정에서 손실을 최소화하고 경량화를 통해 모바일 기기에서도 작동 가능하도록 설계됐다. 연구팀은 "호흡음의 전체 문맥을 학습하는 구조 덕분에 CNN 대비 높은 분류 성능을 나타냈다"고 밝혔다.

김경훈 교수는 "소아는 폐포 표면적이 작아 호흡기 질환에 더 취약하다"며 "AI 기반 AST 모델을 통해 조기 진단과 의료 접근성 향상에 기여할 수 있을 것"이라고 말했다. 이번 연구 결과는 네이처 출판그룹의 국제 학술지 'Scientific Reports' 최신호에 게재됐다.

[ 경기신문 = 김정기 기자 ]