[헬스인뉴스] 인공지능(AI)을 활용한 분석으로 뇌전증 환자의 발작 경과가 서로 다른 다섯 가지 유형으로 구분된다는 연구 결과가 나왔다. 발작이 빠르게 사라지는 경우부터 장기간 지속되는 경우까지, 장기 경과가 환자마다 뚜렷이 달랐다.

박경일·이상건 서울대병원 신경과 교수, 김영곤 융합의학과 교수, 황성은 이대목동병원 교수팀은 2008년부터 2020년까지 뇌전증 클리닉에 처음 내원한 환자 2586명을 평균 7.6년 동안 추적 관찰한 데이터를 분석했다.

뇌전증은 반복 발작이 특징인 만성 신경질환으로, 치료 반응과 장기 예후가 환자마다 크게 다르다. 기존 분류 방식은 발작 유형이나 원인 중심이었지만, 장기 변화 양상을 충분히 설명하지 못했다.

AI 분석 결과, 뇌전증 환자의 발작 경과는 시간에 따라 서로 다른 5가지 장기 유형으로 구분되며 임상적 특성 차이가 확인됐다. (사진 제공=클립아트코리아)
AI 분석 결과, 뇌전증 환자의 발작 경과는 시간에 따라 서로 다른 5가지 장기 유형으로 구분되며 임상적 특성 차이가 확인됐다. (사진 제공=클립아트코리아)
연구팀은 발병 나이, 질환 지속 기간, 발작 빈도, 치료 이력 등 임상 정보와 혈액 검사, 뇌파, 뇌 MRI 결과 등 84개 변수를 AI 분석에 활용했다. 단순 발작 여부가 아니라 시간에 따른 발작 빈도 변화를 기준으로, 환자별 장기 경과를 비교했다.

분석 결과, 전체 환자의 66.1%는 관찰 마지막 1년 동안 발작이 없었다. 발병 나이가 높고 질환 기간이 짧은 경우 발작 조절 가능성이 컸으며, 피브리노겐 수치 등 혈액 지표와도 연관성이 나타났다.
AI 군집 분석으로 발작이 사라지는 세 유형과 치료에도 지속되는 두 유형이 확인됐다. 발작 관해군에서는 ‘신속 관해군’이 면역·감염 관련 뇌전증과 연관됐고, ‘저발작빈도-지연관해군’은 전반적 서파 뇌파 이상과 뇌연화증이 동반되는 경우가 많았다. ‘중발작빈도-지연관해군’에서는 전반뇌전증 특성이 두드러졌다.

(왼쪽부터) 박경일·이상건 서울대병원 신경과 교수, 김영곤 융합의학과 교수, 황성은 이대목동병원 신경과 교수 (사진 제공=서울대병원)
(왼쪽부터) 박경일·이상건 서울대병원 신경과 교수, 김영곤 융합의학과 교수, 황성은 이대목동병원 신경과 교수 (사진 제공=서울대병원)
발작 지속군에서는 ‘부분 반응군’이 국소 뇌파 이상과 뇌종양과 관련됐으며, ‘지속 난치성군’은 해마경화증 환자가 많고 남성 비율이 높으며 이환 기간이 길었다.

연구팀은 “비지도 학습 기반 AI 분석을 통해, 동일한 진단명 아래에서도 발작 경과가 환자마다 다르다는 사실을 확인했다”며, 이번 연구가 뇌전증 환자의 장기 임상 경과를 이해하는 참고 틀로 활용될 수 있다고 설명했다.

연구 결과는 국제학술지 Scientific Reports 최근호에 게재됐다.

임혜정 헬스인뉴스 기자 press@healthinnews.kr
저작권자 © 헬스인뉴스 무단전재 및 재배포 금지