제이엘케이가 심방세동 환자의 뇌졸중 크기를 자동 분류하는 딥러닝 알고리즘 연구 논문을 국제 뇌졸증 학술지 저널 오브 스트로트(Journal of Stroke)에 게재했다고 22일 밝혔다. 이번 연구는 확산강조영상(DWI)을 기반으로 뇌경색 크기를 자동으로 분류하는 모델을 개발·검증한 사례로, 임상 활용도 확대와 해외 시장 확산을 목표로 한다.

연구팀은 뇌졸중과 심방세동을 동시에 앓는 환자의 DWI 영상을 활용해 뇌경색 크기를 경증·중등증·중증으로 구분하는 알고리즘을 설계했다. 2011년부터 2021년까지 4개 병원에서 확보한 1,091건의 DWI 스캔을 학습 데이터로 사용했으며, 외부 검증을 위해 2017년부터 2020년까지 11개 병원에서 수집한 1,265건의 DWI 스캔을 별도로 적용했다.

외부 검증 결과, 해당 알고리즘은 뇌졸중 전문의의 판독과 87.4%의 일치율(percentage agreement)을 보였다. 코헨의 카파(Cohen's kappa) 값은 0.81로, 뇌졸중 전문의 두 명 간의 일치율 74.6%(카파 값 0.62)보다 높은 수치를 기록했다.

또한 알고리즘이 중증으로 분류한 환자군에서 증상성 출혈성 변환(sHT) 발생률이 가장 높게 나타났으며, 경증으로 분류된 환자에서는 sHT가 발생하지 않았다. 이는 모델의 분류 결과가 실제 임상적 위험도와 유의미한 연관성을 보였다는 점을 시사한다.

이번 연구는 DWI 영상을 기반으로 뇌졸중 크기를 자동 산출하고, 이를 통해 중증도를 예측하는 딥러닝 모델을 제시한 사례다. 뇌졸중 크기 평가는 직접 경구용 항응고제(DOAC) 투여 시점을 결정하는 데 중요한 지표로 활용된다. 특히 전문 인력이 부족한 환경에서 경험이 적은 의료진의 의사결정을 보조할 수 있다는 점에서 임상적 의미가 있다는 설명이다.

해당 알고리즘은 원본 DWI 영상 입력부터 최종 분류 결과 도출까지 평균 약 5초가 소요되는 처리 속도를 보였다. 회사는 이러한 신속성이 실제 진료 현장 적용 가능성을 높이는 요소라고 평가했다.

류위선 제이엘케이 최고의학책임자는 “이번 연구는 뇌졸중 환자 치료 최적화에 기여할 수 있는 결과”라며 “향후 CT 등 다양한 영상 기반으로 알고리즘을 확장해 제품 경쟁력을 강화하고 임상 적용 범위를 넓혀 나가겠다”고 밝혔다.