인공지능과 심전도 분석: 12유도 ECG에서 딥러닝 기반 자동 파라미터 획득 기술의 혁신
doi:10.9718/JBER.2020.41.2.107 서론 심전도(ECG, Electrocardiogram)는 심장 질환을 조기에 발견하고 환자의 예후를 평가하는 데 가장 널리 사용되는 비침습적 검사법이다. 특히 12유도(12-lead) 심전도 는 심장 전기적 활동을 다양한 각도에서 기록함으로써 부정맥, 심근경색, 전도장애 등을 진단하는 핵심 도구로 자리 잡고 있다. 그러나 기존의 자동 심전도 분석 시스템은 신호처리 기반 알고리즘 에 의존하여 잡음(Noise), 환자 특성, 전극 위치 등에 따른 오류 가능성이 높았다. 반면, 인간 전문가는 파형의 특징을 직관적으로 인식하고 잡음을 배제할 수 있는 장점이 있다. 최근 인공지능, 특히 심층신경망(Deep Neural Network, DNN) 기술이 의학에 접목되면서, 이러한 전문가의 인지 능력을 모사하려는 시도가 활발히 진행되고 있다. 본 컬럼에서는 연속적 데이터 처리 심층신경망(Continuous Data Processing Deep Neural Network, C-DNN)을 활용하여 12유도 ECG에서 자동으로 파라미터를 획득하는 기술 을 분석하고, 인공지능 의료 분야의 새로운 가능성을 고찰한다. 본론 1. 기존 자동 심전도 분석의 한계 기존 상용 심전도 분석 시스템은 파형의 크기, 주파수 성분, 시간 간격 등을 기반으로 심장 질환을 자동 판정하였다. 그러나 다음과 같은 문제가 존재하였다. 잡음에 취약 : 근전도(EMG) 간섭, 전극 접촉 불량 등으로 오류 발생 가능성이 높음. 환자 특성에 따른 변이 : 체형, 나이, 질환 이력에 따라 파형이 달라질 수 있음. 설명 불가능성(Black Box 문제) : 기존 DNN 기반 모델들은 판정의 근거를 제시하지 못함. 즉, 기존 AI 심전도 분석은 질환 판정 자체에 집중한 나머지 의학적·병리학적 설명력을 확보하지 못했다. 2. C-DNN의 제안 이번 연구에서는 기존의 문제점을 극복하기 위해 연속적...