[헬스코리아뉴스 / 박원진] 서울대병원 연구팀이 인공지능(AI)을 활용해 뇌전증 환자의 발작 빈도 변화를 장기간 분석한 결과, 발작 소실 시점과 지속 여부에 따른 다섯 가지 장기 경과 유형을 확인했다. 이번 연구는 환자별로 천차만별인 뇌전증의 예후를 예측하고 맞춤형 치료 전략을 세우는 데 중요한 지표가 될 전망이다.

4일 서울대병원 신경과 박경일·이상건 교수, 융합의학과 김영곤 교수 및 이대목동병원 황성은 교수 공동 연구팀은 2008년부터 2020년까지 뇌전증 클리닉에 내원한 환자 2586명을 평균 7.6년간 추적 관찰한 결과 이같이 나타났다고 밝혔다.

연구팀은 발병 나이, 질환 지속 기간, 발작 횟수, 뇌파 검사(EEG), 뇌 MRI 결과 등 총 84개의 변수를 AI에 학습시켰다. AI는 단순히 발작 유무를 가리는 것을 넘어, 시간에 따른 발작 빈도의 변화 패턴을 기준으로 환자들을 자동으로 분류했다.

분석 결과, 전체 환자의 66.1%는 추적 관찰 마지막 1년 동안 발작이 없는 상태였다. 특히 발병 나이가 높고 유병 기간이 짧을수록 조절 가능성이 컸으며, 혈액 내 피브리노겐 수치도 경과와 유의미한 연관성을 보였다.

AI가 도출한 5가지 유형은 다음과 같이 뚜렷한 임상적 차이를 나타냈다.

▲ 발작 관해(조절) 그룹 (3개 유형)

①신속 관해군: 면역 및 감염 연관 뇌전증 비중이 높음.

②저발작빈도-지연관해군: 뇌파상 전반적 서파 관찰, MRI상 뇌연화증 동반 사례 많음.

③중발작빈도-지연관해군: 전반뇌전증의 임상적 특성이 두드러짐.

▲ 발작 지속(난치) 그룹 (2개 유형)

⑤부분 반응군: 국소적 뇌파 이상 및 뇌종양 관련 사례 다수.

⑤지속 난치성군: 해마경화증 동반 환자 많음. 남성 및 긴 유병 기간이 특징.

이번 연구는 기존의 단편적인 영상 소견 중심 분류에서 벗어나, 비지도 학습(Unsupervised Learning) AI를 통해 실제 환자들의 장기 경과가 데이터상으로 어떻게 차별화되는지 입증했다는 점에서 의미가 깊다.

박경일 서울대병원 신경과 교수는 "동일한 진단명 아래에서도 환자마다 서로 다른 장기 경과가 존재함을 데이터로 확인했다"며 "향후 뇌전증 환자의 임상 경과를 이해하고 최적의 치료 틀을 제시하는 데 중요한 참고 자료가 될 것"이라고 밝혔다.

이번 연구 결과는 국제학술지 '사이언티픽 리포트(Scientific Reports)' 최근호에 게재됐다.