ENG
ENG
ENG
만성폐쇄성폐질환(COPD) 급성악화를 사전에 예측할 수 있는 딥러닝 기반 시계열 분석 연구가 전북대학교에서 수행돼 주목받고 있다. 기존 머신러닝 모델이 장기 시계열 의존성 포착과 극심한 클래스 불균형 문제로 한계를 보였던 가운데, 이를 개선한 예측 프레임워크가 제시되며 임상 적용 가능성을 높였다.
전북대학교 공과대학 소프트웨어공학과 조재혁 교수 연구팀은 최근 인도네시아 비누스(BINUS) 대학교에서 열린 ‘2026 ICOBAR-SMART Joint Conference’에서 논문 ‘Time-Series–Based Prediction of COPD Exacerbation Using Multivariate Clinical Data’를 발표해 우수논문상(Best Paper Award)을 수상했다고 밝혔다.
이번 연구에는 전북대 응용AI연구실 소속 조재혁 교수와 김혜신 박사, 유서헌 박사과정생, 김재홍 석사과정생이 참여했다. 해당 학술대회는 한국정보기술학회(KIIT)와 BINUS University가 공동 주최한 국제학술대회로, 정보기술 분야의 최신 연구 성과를 공유하는 자리다.
연구팀은 미국 MIT가 구축한 중환자실 임상 데이터베이스 MIMIC-IV에서 COPD 환자 코호트를 추출하고, 심박수·혈압·산소포화도·호흡수·체온 등 8개 다변량 활력징후를 기반으로 Transformer 구조의 시계열 예측 모델을 개발했다.
특히 연속적인 생리 신호를 일정 길이로 분할하는 패칭(Patching) 메커니즘을 적용해 국소적 맥락 정보를 효과적으로 학습하도록 설계했으며, 악화 이벤트가 전체의 약 1.1%에 불과한 데이터 불균형 문제를 해결하기 위해 균형 랜덤 언더샘플링(Balanced Random Undersampling) 기법을 도입했다.
실험 결과, 해당 모델은 급성악화 발생 1시간 전 예측에서 AUROC 0.7502, 재현율(Recall) 86.27%를 기록했다. 이는 실제 악화 이벤트의 약 86%를 사전에 탐지할 수 있는 수준으로, 기관지확장제 투여 강화, 감염 의심 시 항생제 처방, 산소치료 조정 등 선제적 의료 개입을 지원하는 임상 의사결정 시스템으로 활용 가능함을 시사한다.
조재혁 교수는 “이번 연구는 중환자실 COPD 환자의 급성악화를 사전에 예측해 적시 개입이 가능한 임상 조기경보 시스템의 기반을 마련한 데 의의가 있다”며 “향후 다기관 외부 검증과 6~12시간 단위의 장기 예측으로 확장하고, 전향적 임상 평가를 통해 실제 의료 현장 적용성을 높여 나갈 계획”이라고 밝혔다.
한편 이번 연구는 BK21 Four 사업의 지원을 받아 수행됐다.
이전글