핵심 요약
삼성서울병원 AI연구센터 연구진이 4년간 약 500명의 임상 데이터를 표준화해 보행·음성·뇌영상( MRI)을 통합 분석하는 멀티모달 인공지능(AI) 모델을 개발했다고 23일 밝혔다. 연구진은 파킨슨병과 파킨슨플러스 증후군의 초기사례를 판별하고 낙상 위험과 질환 중증도를 예측하는 여러 하위 모델을 만들었다. 세부 평가에서 음성·MRI·보행 관련 모델들은 모두 높은 정확도를 보였으며, 결과와 함께 판단 근거(설명 가능성)를 제시할 수 있는 것으로 보고됐다. 연구 성과는 학술논문과 특허 출원으로도 이어졌고, 10개 이상의 진료과에서 후속 연구에 활용되고 있다.
핵심 사실
- 데이터베이스 규모: 4년간 수집한 환자 약 500명(파킨슨병 363명, 진행성 핵상마비 67명, 다계통위축증 61명)으로 표준화된 통합 데이터베이스를 구축했다.
- 개발 모델: 보행 기반 낙상 위험 예측 모델, 음성 검사 기반 파킨슨병 분류 및 중증도 분류 모델, MRI 기반 뇌 구조 자동 분석 및 질환 감별 모델 등을 개발했다.
- 임상 평가: 연구진은 음성 기반 중증도 분류, MRI 기반 질환 감별, 보행·뇌영상을 결합한 낙상 예측 모델 등에서 모두 높은 정확도를 확인했다고 보고했다.
- 설명 가능성: 제시된 모델들은 단순 예측값뿐 아니라 AI의 판단 근거(어떤 특징이 영향을 미쳤는지)를 함께 제시할 수 있도록 설계됐다.
- 연구 성과: SCIE급 논문 27건 발표, 특허 출원 45건을 기록했으며 개발 기술은 응급의학과·안과·재활의학과 등 10개 이상 진료과에서 활용 중이다.
사건 배경
파킨슨병은 초기 증상이 모호해 진단 시기가 늦어지는 경우가 많다. 손떨림, 보행 이상 등이 나타날 때는 이미 신경계 퇴행이 상당히 진행된 경우가 적지 않아 조기 발견이 임상적 중요성을 가진다. 기존 진단법은 임상 관찰과 영상·검사 소견의 전문적 해석에 크게 의존해 표준화와 자동화에 한계가 있었다. 최근 AI 기술 발전과 센서·음성·영상 데이터의 디지털화는 다중 정보를 통합해 미묘한 패턴을 감지하는 방향으로 연구 흐름을 바꾸고 있다.
국내외에서 멀티모달 접근법은 신경퇴행성질환의 조기 진단과 진행 모니터링에 주목받아 왔다. 그러나 단일 기관에서 다양한 모달리티를 표준화해 대규모로 수집·검증한 사례는 상대적으로 적었다. 이러한 상황에서 삼성서울병원 연구진의 통합 데이터베이스 구축과 다모달 AI 개발은 임상 적용 가능성을 검증하는 의미 있는 시도로 평가된다. 이해관계자는 신경과·영상의학과·재활의학과 등이며, 환자 관리 및 의료자원 배분 측면에서도 파급효과가 예상된다.
주요 사건
연구팀(조진환 신경과 교수, 정명진 영상의학과 교수 등)은 2019년경부터 4년 동안 환자 약 500명의 보행·음성·MRI 데이터를 수집하고 표준화해 통합 데이터베이스를 만들었다. 수집 과정에서는 검사 프로토콜 통일과 데이터 전처리 표준화를 병행해 서로 다른 모달리티를 결합할 수 있는 기반을 마련했다. 이를 바탕으로 개별 모달리티별 모델(음성 기반 분류, MRI 기반 구조 분석, 보행 기반 낙상 예측)과 모달리티 결합 모델을 개발했다.
임상 검증 결과 연구진은 음성 기반 중증도 분류 모델, MRI 기반 질환 감별 모델, 보행·뇌영상을 함께 분석한 낙상 예측 모델 등에서 높은 정확도를 확인했다고 밝혔다. 특히 모델은 예측 결과뿐 아니라 어떤 입력 특징이 판단에 기여했는지 설명 가능한 형태로 설계되어 임상의의 해석을 돕도록 했다. 조진환 교수는 AI가 여러 검사 결과를 빠르게 종합 분석해 조기 진단과 환자별 맞춤 치료계획 수립에 기여할 것이라는 기대를 밝혔다.
연구 결과는 학계·산업적 성과로도 연결됐다. 연구진은 SCIE급 논문 27건을 발표했고 관련 기술로 특허 45건을 출원했다. 개발된 분석 기술은 응급의학과·안과·재활의학과 등 10개 이상의 진료과에서 후속 연구와 임상 적용 가능성 평가에 활용되고 있다.
분석 및 의미
임상적으로 이번 연구의 핵심 가치는 조기 발견의 문을 여는 데 있다. 파킨슨병은 조기 약물치료와 재활介入이 신경학적 기능의 악화를 늦추는 데 도움이 된다는 점에서, 임상적으로 의의가 크다. 다만 실제 진료현장에 적용하려면 모델의 외부 검증과 다양한 인구집단에 대한 재검증이 필요하다. 단일 기관에서 수립한 데이터라 하더라도 연령·지역·기기 차이에 따른 일반화 가능성을 따져야 한다.
기술 측면에서는 멀티모달 통합이 주는 장점과 함께 복잡성 증가가 도전 과제로 남는다. 서로 다른 데이터 유형을 결합할 때 생기는 불균형, 결측치 처리, 해석가능성 확보 등은 실무 적용 전 해결해야 할 과제다. 또한 의료기기 규제 승인, 임상 워크플로우 통합, 환자 개인정보 보호와 데이터 거버넌스도 고려 대상이다.
경제적·사회적 파급효과도 주목된다. 조기 진단으로 진행을 늦춘다면 장기적 진료비용과 돌봄 부담 감소에 기여할 수 있다. 반대로 과민한 스크리닝이나 잘못된 분류는 불필요한 검사·치료로 이어질 수 있어 성능 한계와 후속 조치의 설계가 중요하다. 국제적으로도 표준화된 멀티모달 AI가 보편화되면 원격 모니터링·재택 진료와 연계한 관리 모델로 확장될 가능성이 크다.
비교 및 데이터
| 구분 | 환자 수 |
|---|---|
| 파킨슨병 | 363명 |
| 진행성 핵상마비(PSP) | 67명 |
| 다계통위축증(MSA) | 61명 |
| 합계(연구에 활용된 환자 수) | 약 491명(약 500명으로 표기) |
위 표는 연구진이 공개한 환자 분포를 정리한 것이다. 연구진은 전체를 약 500명으로 표기했으며, 실제 합계는 491명으로 집계된다. 데이터는 보행·음성·MRI 등 여러 모달리티의 결합 분석을 위해 동일한 프로토콜로 수집·표준화되었다. 표본 구성은 모델 학습과 검증의 기초 자료로 활용되었으며, 향후 외부 코호트와의 비교검증이 필요하다.
반응 및 인용
연구진과 병원 측은 이번 성과가 임상 적용의 가능성을 크게 높였다고 설명했다. 다만 병원은 외부 검증과 임상적용 절차가 남아 있음을 분명히 했다. 아래 인용은 발표된 내용의 핵심을 요약한 발언이다.
“파킨슨병은 조기에 발견할수록 약물 치료 효과가 좋고 재활을 통해 진행을 늦출 수 있다. AI가 여러 검사 결과를 빠르게 종합 분석해 조기 진단을 돕고 환자별 맞춤 치료 계획을 세우는 데 기여할 것”
조진환 교수(삼성서울병원 신경과)
또한 병원 연구센터는 모델들이 높은 정확도를 보였고, 예측 결과와 함께 판단 근거를 제시할 수 있다고 설명했다. 이는 임상의가 AI 결과를 해석하는 데 필요한 투명성을 높이는 요소로 평가된다.
“음성 기반 중증도 분류, MRI 기반 질환 감별, 보행·뇌영상 결합 모델 등에서 높은 정확도를 확인했으며, 결과와 판단 근거를 함께 제공할 수 있도록 설계했다”
삼성서울병원 AI연구센터(공식 발표)
불확실한 부분
- 정확도 수치의 구체적 값과 검증 방식(교차검증·외부 코호트 성능)은 공개된 보도자료에 상세 수치가 없어 추가 확인이 필요하다.
- 단일 기관 데이터의 일반화 가능성(다른 병원·지역·기기에서의 성능)은 외부 검증으로 확인해야 한다.
- AI 판정이 실제 임상결정 및 환자 결과(장기적 기능 예후) 개선으로 이어지는지는 후속 임상시험이 필요하다.
- 진료현장 통합 시 전자건강기록·프라이버시·규제 승인 관련 절차와 비용 문제는 아직 해결 과제로 남아 있다.
총평
이번 연구는 멀티모달 데이터를 통합해 파킨슨병과 유사 질환을 조기에 판별하는 기술적 가능성을 제시했다. 파킨슨병의 조기 진단은 치료 반응을 개선하고 재활 계획을 수립하는 데 임상적 이점이 있어 본 성과의 의미는 크다. 다만 실용화를 위해서는 구체적 정확도 수치 공개, 외부 코호트 검증, 임상시험을 통한 유효성 확인이 선행돼야 한다.
향후 관건은 모델의 일반화 능력과 의료시스템 내 통합 절차다. 연구진의 논문·특허 성과는 학계와 산업계 협력의 기반을 마련했지만, 환자 안전과 실제 진료 개선을 담보할 규제·윤리적 검토도 병행되어야 한다. 독자는 후속 외부 검증 결과와 임상 적용 시범사업 진행 여부를 주목할 필요가 있다.