김중선 연세대 세브란스병원 심장내과 교수와 하진용 세종대학교 전자정보통신공학과 교수, 차정준 고려대 안암병원 순환기내과 교수 연구팀은 OCT(광간섭단층촬영) 영상 정보를 활용한 기계학습 기반의 FFR(분획혈류예비력) 예측 기술을 개발했다고 8일 밝혔다.
관상동맥은 심장에 산소와 영양분을 공급하는 혈관으로, 관상동맥 질환이 발생하면 좁아지거나 막힌 혈관을 넓히는 치료를 위해 스텐트 삽입술을 시행한다.
혈관의 협착 정도가 심하면 정확한 스텐트 삽입을 위해 혈관 조직내 미세구조를 영상화하는 영상진단방법 OCT 검사와 함께 혈압 정보를 확인하는 FFR 검사를 추가로 시행한다.
연구팀은 모든 관상동맥에 적용이 가능한 범용 모델을 개발하기 위해 세브란스 심장혈관병원에서 관상동맥중재술을 받은 환자 130명의 356개 관상동맥(좌전하행지 130, 좌회선지 110, 우관상동맥 116) 가운데 284개의 관상동맥 병변에 대해 OCT 값과 FFR 값을 측정하고 병변 데이터를 활용해 관상동맥 범용 기계학습 모델을 개발했다.
예측값과 실체 측정한 FFR 값을 비교한 결과 상관관계가 0.8782(1에 가까울수록 실제 측정 수치에 근접)로 실제 측정한 값과 유사한 것으로 나타났으며, 분석의 민감도와 정확도도 각각 98.3%, 91.7%로 높게 확인됐다.
김중선 세브란스병원 심장내과 교수는 “OCT검사 후 머신러닝에 의해 FFR 값을 1~2분 안에 예측할 수 있는 기술을 통해 환자의 부담과 부작용을 줄일 수 있을 것으로 기대된다”면서 “추후 더 많은 임상 데이터를 활용해 임상현장에서 널리 사용할 수 있는 기술로 발전시킬 수 있도록 노력할 것”이라고 말했다.
