[논문읽기] Automated Interpretation of Clinical Electroencephalograms Using Artificial Intelligence

Original Paper ) Automated Interpretation of Clinical Electroencephalograms Using Artificial Intelligence - PubMed (nih.gov) or Automated Interpretation of Clinical Electroencephalograms Using Artificial Intelligence | Epilepsy and Seizures | JAMA Neurology | JAMA Network

Automated Interpretation of Clinical Electroencephalograms Using Artificial Intelligence - PubMed

(pdf 다운로드는 후자에서만 가능)

 

 

---

제목을 보면 우선 '인공지능을 활용한 임상 뇌전도 자동판독'이라고 볼 수 있다. 임상...에 대해 아는 게 없기 때문에 어린아이(!)의 시점에서 읽어보았다 (...)

Abstract (All stage)

 

중요성 ) EEG(뇌파)는 기본적인 신경학의 평가이지만 전문지식을 요한다. AI는 이런 전문지식이라는 '미충족된 수요'를 해결하는 수단으로 등장한다. 

목표 ) 비정상적인 뇌파 기록과 정상 뇌파 기록을 구분하고, 비정상적인 뇌파 기록을 임상 의사 결정에 관련된 카테고리(국소 / 일반화 간질, 국소 / 확산 비간질 총 4개)로 분류할 수 있는 AI 모델을 개발 및 검증한다. 

설계 설정 ) 본 연구에서는 Score AI(Convolutional Neural Network의 일종)을 개발하여 검증하였다. 2022년 1월 17일부터 11월 14일까지의 데이터로, 총 30,493개 녹음이 17명의 전문가가 주석을 단 개발 데이터셋에 포함되었으며 100개의 대표 뇌파 데이터로 검증되었다. 

결과 및 측정 ) 진단 정확도, 민감도, 특이도를 측정하였다. 

 

본론

 

1) EEG(뇌파 검사)는 뇌전증 진단 검사에 가장 자주 사용되는 도구이자, 뇌전증이 아니더라도 발작성 신경학적 의식 장애 등을 구분하는 데 도움이 되는 증상이다. 유병률이 1000명당 7.60명 꼴이지만, 전 세계적으로 7000만 명 이상이 영향을 받는 심각한 신경학적 질환 중 하나이다. 이런 상황에서, 뇌파 의뢰 건수는 꾸준히 증가함에 따라 필요성이 대두되었다. 

2) 학습에 사용되지 않은 9945개의 뇌파 데이터로 구성된 3개의 독립적인 test dataset으로 인간 전문가와 유사한 진단 정확도를 달성하였다. 학습에는 노르웨이 베르겐의 하우클랜드 대학병원과 덴마크 뇌전증 센터에서 수집한 30493개의 EEG 기록을 사용하였다. 

3) 전처리는 아래와 같은 3단계를 거쳐 진행되었다. 

• 평균 뇌파 측정 시간: 33분(20-77분)
• 19개의 채널(전극)과 심전도 신호에서 데이터 추출
• 피험자의 나이와 성별도 입력으로 사용
• 고정 푸리에 리샘플링
  • 0.5~128Hz로 bandpass filter적용
  • Sampling rate: 256Hz 적용

 

Gwet AC1 일치계수를 사용하였고, 우연을 넘어서는 일치도는 Landis 와 Koch 기준에 따라 해석하였다. 

그 후 Score-AI와 전문가 간의 정확도를 비교하였다.

마지막으로는 기존 3개 AI 모델과 비교를 진행하였다. 

결론 & 한계점

 

진단 정확도 상 본 SCORE-AI는 임상 뇌파 판독 시 전문가 수준의 정확도를 달성했기에, 전문 지식이 부족하거나 없더라도 사용할 수 있다는 장점이 있다. 또한 오독/오진 가능성을 줄일 수 있다는 점에서 업무 효율 상으로도 좋다. 

그러나 신생아 및 중환자를 제외한 표준 뇌파만을 사용하여 개발 및 검증하였다는 점, 육안으로 식별한 바이오 마커를 찾도록 학습되었다는 점은 한계점으로 꼽힌다. XAI(Explainable AI)를 사용하여 보완해 나가야 할 것 :)