AI 기반 임신 분석, 사산 및 신생아 합병증에 대한 이전에 알려지지 않았던 경고 신호 발견

약 10,000건의 임신 사례를 AI 기반으로 분석한 결과, 사산을 포함한 심각한 부정적인 임신 결과와 관련된 이전에는 확인되지 않았던 위험 요소의 조합이 발견되었습니다.

연구 결과에 따르면 현재 임상 지침에 따라 동일하게 치료를 받고 있는 유아의 경우 위험 차이가 최대 10배까지 날 수 있는 것으로 나타났습니다.

연구의 수석 저자인 네이선 블루 박사는 연구자들이 생성한 AI 모델이 높은 위험과 관련된 "정말 예상치 못한" 요소의 조합을 식별하는 데 도움이 되었으며, 이 모델은 보다 개인화된 위험 평가 및 임신 관리를 향한 중요한 단계라고 말했습니다.

새로운 결과는 BMC Pregnancy and Childbirth에 게재되었습니다.

예상치 못한 위험

연구자들은 전국의 9,558건의 임신에 대한 기존 데이터세트로 시작했는데, 여기에는 임산부의 사회적 지원 수준부터 혈압, 병력, 태아 체중, 그리고 각 임신의 결과에 이르기까지 사회적, 신체적 특성에 대한 정보가 포함되었습니다. AI를 사용하여 데이터 패턴을 찾음으로써 사산과 같은 건강에 해로운 임신 결과와 관련된 모성 및 태아 특성의 새로운 조합을 식별했습니다.

일반적으로 여성 태아는 남성 태아보다 합병증 위험이 약간 낮습니다. 작지만 잘 확립된 효과입니다. 하지만 연구팀은 임산부가 기존 당뇨병을 앓고 있는 경우 여성 태아가 남성보다 위험이 더 높다는 것을 발견했습니다.

유타 대학 스펜서 폭스 에클스 의대의 산부인과 조교수인 블루는 이전에 감지되지 않았던 이 패턴은 AI 모델이 연구자들이 임신 건강에 대한 새로운 것을 배우는 데 도움이 될 수 있음을 보여준다고 말합니다. "정말 유연하고 경험이 풍부한 임상의의 뇌조차도 인식하지 못하는 위험을 알리는 데 사용할 수 있는 무언가를 감지했습니다."라고 블루는 말합니다.

연구자들은 체중이 하위 10%인 태아에 대한 더 나은 위험 추정치를 개발하는 데 특히 관심이 있었지만, 하위 3%는 그렇지 않았습니다. 이 아기들은 걱정스러울 만큼 작지만, 일반적으로 완벽하게 건강할 만큼 큽니다. 이런 경우 가장 좋은 행동 방침을 파악하는 것은 어렵습니다. 임신에 집중적인 모니터링과 잠재적으로 조기 분만이 필요할까요? 아니면 임신이 대체로 정상적으로 진행될 수 있을까요? 현재의 임상 지침은 이러한 모든 임신에 대해 집중적인 의료 모니터링을 권고하는데, 이는 상당한 정서적, 재정적 부담이 될 수 있습니다.

하지만 연구자들은 이 태아 체중 등급 내에서 건강에 해로운 임신 결과의 위험이 평균 임신보다 위험하지 않은 것부터 평균 위험의 거의 10배까지 크게 다르다는 것을 발견했습니다. 위험은 태아 성별, 기존 당뇨병의 존재 또는 부재, 심장 결함과 같은 태아 이상의 존재 또는 부재와 같은 요인의 조합에 따라 결정되었습니다.

블루는 해당 연구가 변수 간의 상관관계만 발견했을 뿐, 실제로 부정적인 결과를 유발하는 원인에 대한 정보는 제공하지 않는다고 강조했습니다.

블루는 광범위한 위험은 의사의 직감에 의해 뒷받침된다고 말합니다. 경험이 풍부한 의사는 많은 저체중 태아가 건강하다는 것을 알고 있으며 위험과 치료에 대한 개별적인 판단을 내리기 위해 많은 추가 요소를 사용할 것입니다. 그러나 AI 위험 평가 도구는 이러한 "직감 검사"보다 중요한 이점을 제공하여 의사가 정보에 입각하고 재현 가능하며 공정한 권장 사항을 내리는 데 도움이 될 수 있습니다.

왜 AI인가

인간이나 AI 모델의 경우 임신 위험을 추정하려면 산모 건강에서 초음파 데이터까지 매우 많은 변수를 고려해야 합니다. 경험이 풍부한 임상의는 이러한 모든 변수를 고려하여 개별화된 치료 결정을 내릴 수 있지만, 최고의 의사조차도 최종 결정에 도달한 정확한 방법을 정량화할 수 없을 것입니다. 편견, 기분 또는 수면 부족과 같은 인간적 요소가 거의 불가피하게 섞여서 이상적인 치료에서 판단을 미묘하게 왜곡할 수 있습니다.

이 문제를 해결하기 위해 연구자들은 "설명 가능한 AI"라는 유형의 모델을 사용했는데, 이는 사용자에게 주어진 임신 요인 세트에 대한 추정 위험을 제공하고 해당 위험 추정에 어떤 변수가 기여했는지, 그리고 얼마나 기여했는지에 대한 정보도 포함합니다. 전문가조차 거의 이해할 수 없는 보다 친숙한 "폐쇄형" AI와 달리 설명 가능한 모델은 "작업을 보여줌"으로써 편향의 근원을 밝혀서 해결할 수 있습니다.

기본적으로 설명 가능한 AI는 함정을 피하면서 전문가 임상 판단의 유연성에 근접합니다. 연구자들의 모델은 또한 희귀한 임신 시나리오에 대한 위험을 판단하는 데 특히 적합하여 고유한 위험 요소 조합을 가진 사람들의 결과를 정확하게 추정합니다. 이러한 종류의 도구는 궁극적으로 상황이 독특한 사람들에게 정보에 입각한 결정을 안내하여 치료를 개인화하는 데 도움이 될 수 있습니다.

연구자들은 여전히 ​​새로운 인구에서 모델을 테스트하고 검증하여 실제 상황에서 위험을 예측할 수 있는지 확인해야 합니다. 하지만 Blue는 설명 가능한 AI 기반 모델이 궁극적으로 임신 중 위험 평가와 치료를 개인화하는 데 도움이 될 수 있기를 바라고 있습니다. 그는 "AI 모델은 본질적으로 주어진 사람의 맥락에 맞는 위험을 추정할 수 있습니다."라고 말하며, "그리고 투명하고 재현 가능하게 할 수 있는데, 이는 우리의 뇌가 할 수 없는 일입니다."라고 덧붙였습니다.

그는 "이런 종류의 능력은 우리 분야 전반에 걸쳐 혁신을 가져올 것입니다"라고 말했습니다.


출처: https://www.sciencedaily.com/releases/2025/01/250130140842.htm

댓글 없음

아름다운 덧글로 인터넷문화를 선도해 주세요