MEDI:GATE NEWS 웨어러블 활용 아동 ADHD·수면장애 조기선별 가능성 규명

기사입력시간 23.03.28 17:43최종 업데이트 23.03.28 17:43

조철현 교수. 고려대 안암병원 정신건강의학과 조철현 교수팀이 영유아 디지털 헬스케어 기업 ‘루먼랩’과 함께 아동의 주의력결핍 과잉행동장애와 수면장애를 웨어러블 디바이스를 통해 조기선별할 수 있는 인공지능 모델 가능성을 규명했다고 28일 밝혔다. 아동에서 주의력결핍 과잉행동장애(Attention Deficit Hyperactivity Disorder, ADHD)와 수면장애의 조기진단은 아동의 정신건강과 성장발달에 매우 중요하다. 그러나 일상생활에서 조기에 선별하기 힘들고, 기존 면담과 설문을 통한 진단방법은 한계점이 있기 때문에 보다 편리하고 객관적인 생활 속 조기선별기술의 필요성이 대두되고 있다. 조철현 교수팀은 미국에서 시행된 청소년 뇌인지발달(ABCD : Adolescent Brain Cognitive Development)연구를 통해 축적된 아동 웨어러블 데이터와 ADHD 및 수면장애 진단결과를 활용했다. 심박수, 걸음수, 수면시간, 수면의 단계, 낮잠, 소비칼로리 등 5725명의 아동들의 21일간의 웨어러블 데이터를 일주기리듬을 기준으로 분석했다. ADHD 진단모델을 위해 1만2348개의 데이터, 수면장애 진단모델을 위해 3만9160개의 데이터를 활용했다. 연구 결과 ADHD에 대한 진단모델은 모델의 성능을 평가하는 AUC가 0.798, 민감도 0.756, 특이도 0.716로 나타났으며, 수면장애에 대한 진단모델은 AUC 0.737, 민감도 0.743, 특이도 0.632로 나타났다. 두 가지 모델 모두 일상생활에서 디지털 표현형(digital phenotyping)을 활용한 조기선별이 가능한 수준의 성능을 보였으며 이는 웨어러블 데이터를 통한 아동의 ADHD와 수면장애 조기발견 및 조기치료의 근거를 마련한 것이다. 조철현 교수는 "일상생활에서 얻게 되는 디지털 표현형을 활용한 기계학습 진단 모델이라는 점에서 손쉽고, 객관적이며, 조기에 선별과 개입이 가능할 것"이라며 "특히 아동들은 자신의 증상을 자각하기 힘들며, 상대적으로 디지털 기기에 대한 친숙도와 활용도가 높아지고 있어 향후 개인맞춤 디지털치료 서비스와 연동 시 치료효과로 이어질 것으로 기대한다"고 말했다. 한편 이번 연구 ‘Machine Learning–Based Prediction of Attention-Deficit/ Hyperactivity Disorder and Sleep Problems With Wearable Data in Children’ 는 미국의사협회 학술지 'JAMA Network Open (IF=13.37)'에 게재됐다.

제보 공유

웨어러블 활용 아동 ADHD·수면장애 조기선별 가능성 규명

고대안암병원 조철현 교수팀, 영유아 디지털 헬스케어 기업 루먼랩과 인공지능 모델 공동연구

고려대 안암병원 정신건강의학과 조철현 교수팀이 영유아 디지털 헬스케어 기업 ‘루먼랩’과 함께 아동의 주의력결핍 과잉행동장애와 수면장애를 웨어러블 디바이스를 통해 조기선별할 수 있는 인공지능 모델 가능성을 규명했다고 28일 밝혔다.

아동에서 주의력결핍 과잉행동장애(Attention Deficit Hyperactivity Disorder, ADHD)와 수면장애의 조기진단은 아동의 정신건강과 성장발달에 매우 중요하다.

그러나 일상생활에서 조기에 선별하기 힘들고, 기존 면담과 설문을 통한 진단방법은 한계점이 있기 때문에 보다 편리하고 객관적인 생활 속 조기선별기술의 필요성이 대두되고 있다.

조철현 교수팀은 미국에서 시행된 청소년 뇌인지발달(ABCD : Adolescent Brain Cognitive Development)연구를 통해 축적된 아동 웨어러블 데이터와 ADHD 및 수면장애 진단결과를 활용했다.

심박수, 걸음수, 수면시간, 수면의 단계, 낮잠, 소비칼로리 등 5725명의 아동들의 21일간의 웨어러블 데이터를 일주기리듬을 기준으로 분석했다. ADHD 진단모델을 위해 1만2348개의 데이터, 수면장애 진단모델을 위해 3만9160개의 데이터를 활용했다.

연구 결과 ADHD에 대한 진단모델은 모델의 성능을 평가하는 AUC가 0.798, 민감도 0.756, 특이도 0.716로 나타났으며, 수면장애에 대한 진단모델은 AUC 0.737, 민감도 0.743, 특이도 0.632로 나타났다.

두 가지 모델 모두 일상생활에서 디지털 표현형(digital phenotyping)을 활용한 조기선별이 가능한 수준의 성능을 보였으며 이는 웨어러블 데이터를 통한 아동의 ADHD와 수면장애 조기발견 및 조기치료의 근거를 마련한 것이다.

조철현 교수는 "일상생활에서 얻게 되는 디지털 표현형을 활용한 기계학습 진단 모델이라는 점에서 손쉽고, 객관적이며, 조기에 선별과 개입이 가능할 것"이라며 "특히 아동들은 자신의 증상을 자각하기 힘들며, 상대적으로 디지털 기기에 대한 친숙도와 활용도가 높아지고 있어 향후 개인맞춤 디지털치료 서비스와 연동 시 치료효과로 이어질 것으로 기대한다"고 말했다.

한편 이번 연구 ‘Machine Learning–Based Prediction of Attention-Deficit/ Hyperactivity Disorder and Sleep Problems With Wearable Data in Children’ 는 미국의사협회 학술지 'JAMA Network Open (IF=13.37)'에 게재됐다.

오탈자 신고 스크랩 인쇄 제보 공유

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

이 기자의 다른 기사 보기

댓글보기(0)