MEDI:GATE NEWS 서울대병원-네이버, AI로 생물학적 나이와 건강 위험 예측한다

기사입력시간 25.11.07 14:49최종 업데이트 25.11.07 14:49

서울대병원-네이버, 인공지능 기반 생물학적 나이 및 미래 건강 위험 예측 서울대병원과 네이버 공동 연구팀이 건강검진 데이터를 활용해 개인의 생물학적 나이(Biological Age)와 건강 위험을 함께 평가할 수 있는 인공지능(AI) 모델을 개발했다고 7일 밝혔다. 연구팀은 트랜스포머(Transformer) 기반 딥러닝 구조를 적용해 15만여 명의 건강검진·질병·사망 데이터를 통합 학습시켰으며, 이를 통해 기존보다 더 정밀한 건강 상태 구분 및 생존 위험 예측이 가능해졌다. 생물학적 나이는 유전, 생활습관, 질병 이력 등을 반영해 신체의 실제 노화 정도를 나타내는 지표다. 그러나 기존 모델은 건강한 집단 중심으로 만들어져 만성질환자의 건강 상태나 사망 위험을 반영하기 어려운 한계가 있었다. 이번 연구에는 서울대병원 강남센터에서 2003~2020년까지 건강검진을 받은 151,281명의 데이터가 활용됐다. 연구팀은 혈당, 혈압, 지질 수치를 기준으로 ▲정상군(BA–CA<0) ▲질환 전단계군(0≤BA–CA≤1) ▲질환군(BA–CA>1)으로 분류하고, 신체계측·혈액·소변·폐기능 검사, 질병 유무, 사망 정보 등을 모델 학습에 포함시켰다. 또한 성별 차이를 반영하기 위해 남성과 여성의 모델을 각각 학습시켰다. 서울대병원-네이버, 생물학적 나이와 실제 나이의 차이에 따른 전체 생존율 비교 (갭 기반 모델) 그 결과, 새로 개발된 AI 모델은 정상군–질환 전단계-질병군 간 차이를 명확히 구분했으며, 혈당·혈압·지질 수치가 악화될수록 BA–CA 갭이 증가했다. 심혈관질환이나 암 환자에서도 생물학적 나이가 실제 나이보다 빠르게 증가하는 양상이 확인됐다. 또한 BA–CA 값을 기준으로 생존율을 분석한 결과, 비건강군(BA–CA>1)은 건강군(BA–CA<−1)에 비해 남성에서 생존율이 유의하게 낮았고(p<0.001), 여성에서도 유사한 경향(p=0.07)이 나타났다. 반면, 기존 모델(KDM, CAC, DNN)은 이러한 차이를 일관되게 구별하지 못했다. 서울대병원 내분비대사내과 조영민 교수는 “이번 연구는 질병 유병 상태와 사망 정보를 동시에 학습한 최초의 트랜스포머 기반 생물학적 나이 모델로, 단순 계산을 넘어 개인의 건강 상태와 미래 위험을 통합적으로 예측할 수 있는 임상 도구로 발전했다”고 밝혔다. 이번 연구 결과는 국제학술지 'Journal of Medical Internet Research(JMIR)' 최근호에 게재됐다.

제보 공유

서울대병원-네이버, AI로 생물학적 나이와 건강 위험 예측한다

서울대병원-네이버, 인공지능 기반 생물학적 나이 및 미래 건강 위험 예측

서울대병원과 네이버 공동 연구팀이 건강검진 데이터를 활용해 개인의 생물학적 나이(Biological Age)와 건강 위험을 함께 평가할 수 있는 인공지능(AI) 모델을 개발했다고 7일 밝혔다.

연구팀은 트랜스포머(Transformer) 기반 딥러닝 구조를 적용해 15만여 명의 건강검진·질병·사망 데이터를 통합 학습시켰으며, 이를 통해 기존보다 더 정밀한 건강 상태 구분 및 생존 위험 예측이 가능해졌다.

생물학적 나이는 유전, 생활습관, 질병 이력 등을 반영해 신체의 실제 노화 정도를 나타내는 지표다. 그러나 기존 모델은 건강한 집단 중심으로 만들어져 만성질환자의 건강 상태나 사망 위험을 반영하기 어려운 한계가 있었다.

이번 연구에는 서울대병원 강남센터에서 2003~2020년까지 건강검진을 받은 151,281명의 데이터가 활용됐다. 연구팀은 혈당, 혈압, 지질 수치를 기준으로 ▲정상군(BA–CA<0) ▲질환 전단계군(0≤BA–CA≤1) ▲질환군(BA–CA>1)으로 분류하고, 신체계측·혈액·소변·폐기능 검사, 질병 유무, 사망 정보 등을 모델 학습에 포함시켰다. 또한 성별 차이를 반영하기 위해 남성과 여성의 모델을 각각 학습시켰다.

서울대병원-네이버, 생물학적 나이와 실제 나이의 차이에 따른 전체 생존율 비교 (갭 기반 모델)

그 결과, 새로 개발된 AI 모델은 정상군–질환 전단계-질병군 간 차이를 명확히 구분했으며, 혈당·혈압·지질 수치가 악화될수록 BA–CA 갭이 증가했다. 심혈관질환이나 암 환자에서도 생물학적 나이가 실제 나이보다 빠르게 증가하는 양상이 확인됐다.

또한 BA–CA 값을 기준으로 생존율을 분석한 결과, 비건강군(BA–CA>1)은 건강군(BA–CA<−1)에 비해 남성에서 생존율이 유의하게 낮았고(p<0.001), 여성에서도 유사한 경향(p=0.07)이 나타났다. 반면, 기존 모델(KDM, CAC, DNN)은 이러한 차이를 일관되게 구별하지 못했다.

서울대병원 내분비대사내과 조영민 교수는 “이번 연구는 질병 유병 상태와 사망 정보를 동시에 학습한 최초의 트랜스포머 기반 생물학적 나이 모델로, 단순 계산을 넘어 개인의 건강 상태와 미래 위험을 통합적으로 예측할 수 있는 임상 도구로 발전했다”고 밝혔다.

이번 연구 결과는 국제학술지 'Journal of Medical Internet Research(JMIR)' 최근호에 게재됐다.

오탈자 신고 스크랩 인쇄 제보 공유

임솔 기자 (sim@medigatenews.com)의료계 주요 이슈 제보/문의는 카톡 solplusyou

이 기자의 다른 기사 보기