게시물 검색

4차산업 머신러닝이 100년 심장발작 감지 역사를 바꾼다

  • 관리자 (irsglobal1)
  • 2018-04-22 15:36:00
  • hit61
  • 125.133.199.223

당신은 자택에서 일을 하고 있고, 언제나 작업에 몰두하려하고 있을 때, 갑자기 고통을 느꼈다. 가슴이 불편해지고, 왼쪽 팔에서 고통을 느끼고 있다. 망설임 없이 병원에 급하게 몸을 옮기지만, 최악의 사태가 현실로 다가올 것에 대한 공포를 느낄 것이다. 심장발작을 일으키지는 않을까 하는 것이다. 병원에 도착하여 바로 의사나 간호사, 그 밖의 의료 스태프가 몸의 대부분의 부위에 대해서, 급한 검사를 마치고, 면밀히 조사하여 자극을 주는 처치에 착수하기 시작한다. 의료 스태프는 환자인 당신이 전부 파악하기 힘들 정도로 많은 검사를 행하면서, 새로운 검사나 다른 팀멤버에 관한 지시를 큰 목소리로 외치기 시작한다. 구급의가 침대의 곁에 연결된 모니터를 주시하고 있으나 눈 앞의 결과에 당황하고 있는 것 같다. 거기서 구급의는 심장의 전문가에게 환자의 심장이 가지고 있는 조짐에 대해 조언을 구한다. 하지만 그 전문가란, 사람이 아닌 컴퓨터였던 것이다.
 
심장발작과 심장발작의 감지
 
아메리카에서는 매일 2,000명 이상이 심장발작을 일으키고 있다. 나아가 그중 400명 이상은 최적의 타이밍에 치료를 받지 못하고 있다. 심장발작은 심장에 혈액을 보내는 혈관이 막히는 것으로 발생한다. 혈액이 제공되지 못한다면 심장은 정상적으로 기능하는데 필요한 영양소를 받지 못하게 되고 괴사하기 시작한다. 그리고 적절한 처치가 늦을수록 발작에 의한 회복불능의 손상이 발생할 가능성이 높아진다. 사실은 연구자들이 심장발작의 감지를 진보시켜왔다고 하지만, 기본적인 방법은 100년 전과 다르지 않다. 현재 의사는 20세기 초에 개발된 것과 같은 ECG라 불리는 심전도를 이용하여 심장의 전기적 활동을 측정하고 있다. 심장발작의 부위와 중증도에 대해 ECG의 특정의 영역이 변화하는 경우가 있어 그것을 분석하여 상태를 확인한다. 그러나, 그러한 변화는 아주 조금에 신뢰할 수 없으면, 심장의 전체적인 전기신호의 일부분에 지나지 않는다.

 

각 색상은 특정 시점의 몸 표면 전체 ECG의 전압 분포를 보여준다. 왼쪽이 정상적인 몸 표면이며, 오른쪽은 심장 발작에 이르는 과정에서 심장이 만들어내는 전압 분포이다. 또한, 일반적으로 의사가 확인하는 심장 마비의 징후는 오른쪽 그림과 동체 표면의 가슴 부분에 동그랗게 퍼지는 붉은 부분이다.

 

연구자들은 여러 신호처리나 그 외의 복수의 수학적 조작으로 ECG를 적용해왔으나, 그러한 처리수순을 구사해도, 개개인의 심장의 차이를 보충하는 것은 불가능했다.
 
인간의 지문과 같이, 심장도 사람에 따라 약간 형상이 다르고, 박동의 강도도 다르기 때문에 안정시의 ECG의 신호도 각각 다르다. 또한 체중, 성별, 체형에 따라 심장과 체표면의 기록장치의 사이의 거리가 크게 다르다는 것은 말할 필요도 없다. 이러한 차이가 있기 때문에, 환자고유의 심장이 빠져있는 상태를, 어떠한 상황에서도 자동시스템으로 예측하는 것은 매우 곤란하다. 그 때문에, 환자 고유의 심장의 형태나 신호에 관한 적응으로, 환자가 심장발작을 일으켰는지에 대한 감지가 가능한 새로운 시스템이 필요로 되어지고 있다.
 
심전도의 측정기술의 향상을 위해, 일본의 연구팀은 컴퓨터에서 심장의 전기신호를 읽는 방법을 가르치기위해서, AI 관련의 컴퓨터사이언스의 최신성과를 이용하도록 하였다. , 머신러닝을 채용하여, 심전도에서 환자의 심장에 관해 전례없는 정보를 얻을 수 있게 되었다.
 
머신러닝의 원리
 
머신러닝은 인간이 판별하기 힘든 데이터세트 내의 고유의 특징을 컴퓨터가 스스로 학습하여 식별할 수 있도록, 연구자들이 개발한 테크놀로지이다. 연구자는 일단, 서로 다른 특징을 가진 많은 분류 완료한 데이터세트를 컴퓨터에 입력한다. 컴퓨터는 데이터세트 안에서의 특징을 여러 카테고리로 분류하는데 필요한 기준을 자세히 분석하고 나서, 그 관계성 등을 학습한다. 컴퓨터에 의해 추출된 특징은 미세하고 복잡하여, 사람의 눈으로는 구분되지 않는 경우도 적지 않다. 어떤 특징이 어떤 카테고리에 대응하는지를 학습한 컴퓨터는 그 지식을 새로운 데이터세트에 응용시켜 인간보다도 정확하고 신속하게 분류 가능하게 된다.
 
머신러닝의 용도
 
유타대학의 SCI인 과학컴퓨팅&이미징연구소는 생물의학컴퓨팅과 시각화에 관한 세계적 리더이다. SCI17인의 상근교원이나 약 200명의 학생, 및 프로그래머와 스태프로 구성되어, 그중 일부는 생물공학, 컴퓨팅, 수학, 물리학의 학부에도 재적하고 있다. SCI에 관한 연구의 중요한 역할은, 새로운 과학컴퓨팅기술, , 시스템을 만들어내어, 생물의학, 과학 그리고 엔지니어링의 중요한 문제에 관한 솔루션을 실현하는 것이다. SCI는 마이크로프로세서메이커의 엔비디아가 뛰어난 연구기관임을 인정하는 ‘GPU센터오브엑셀런스에도 선정되어, 최신의 컴퓨팅환경이 가지는 높은 능력과 범용성을 살려, 여러 분야에서의 진보를 뒷받침해줄 수 있도록 하고 있다.
 
SCI에 재적하고 있는 연구팀은 심장발작의 최초의 징후를 나타내는 전기신호의 변화를 검지하기 위하여 머신러닝을 이용하였다. 그 어프로치는 심장에서의 전기신호를 분리하여 유사한 심장발작의의 시험전, 시험중, 시험후의 변화를 관찰하는 것이다. 컴퓨터는 이러한 신호데이터를 읽어내어, 심장발작의 여부를 있음과 없음 2개의 카테고리로 분류한다. 기존의 인간에 의한 판정과 비교하여, 컴퓨터는 심장발작의 개시를 10% 빨리 발견하는 것이 가능했다. 나아가 심장발작의 초기징후의 32%를 높은 정확도로 찾아내는 것에 성공하였다. 또한, 새로운 검지가 이루어질수록 머신러닝에 의한 분석알고리즘의 정확도도 높아져, 오진의 가능성은 저하되고 있다.
 
이후 심장발작의 감지
 
머신러닝을 이용하여 의사가 심장발작을 감지 가능하도록 되어, 심장병학의 분야는 진보하고 있다. 의사나 의료종사자가 보다 고도의 툴을 사용하여, 인명이 오가는 심각한 상황을 조기에 발견하여 환자가 치료를 받을수 있도록 하는 날도 가까워지고 있다. 또한 그 툴을 응용한다면, 유전적 요인이나 환경적 요인을 원인으로 하는 심장발작의 리스크가 높은 사람들을 지키는것도 가능할지도 모른다. 이런 연구는 심장발작을 이해하여, 검지하기 위한 새로운 방법을 창출하여 공헌하는 것뿐만 아니라, 심장발작에 따른 사망을 과거의 것으로 만들 가능성도 있다.
 
만약 가슴의 통증으로 병원에 오는 경우가 있다면, 담당의사의 상담상대가 되는 파트너를 확인해보아라. 어쩌면 그것은 컴퓨터일지도 모른다.

 

출처 : http://journal.jp.fujitsu.com/2018/04/13/09/

 
 
 
 
 
 
 
 
 
 
게시글 공유 URL복사
게시물 검색
List of articles
번호 분류 제목 작성자 작성일 조회수
298 자동차/로봇 스마트 모빌리티 - 전기자전거 new photo 관리자 2018-08-20 hit7
297 etc 농업의 자동화를 추진하는 중국 photo 관리자 2018-08-18 hit14
296 바이오/의료 일본 헬스케어 활성화 방안 photo 관리자 2018-08-13 hit25
295 바이오/의료 세계 의료기기 시장 규모 및 최근 이슈 photo 관리자 2018-08-09 hit33
294 4차산업 유럽 크라우드펀딩(Crowdfunding) 시장 photo 관리자 2018-08-08 hit31
293 화장품/식품 세계 화장품 시장 동향 photo 관리자 2018-08-06 hit33
292 ICT/정보통신 2018 챗봇(chatbots) 보고서 photo 관리자 2018-08-05 hit84
291 ICT/정보통신 엣지 컴퓨팅 주요 사례 - 얼굴인식과 이미지분석 photo 관리자 2018-08-03 hit93
290 4차산업 미국 크라우드펀딩(Crowdfunding) 시장 photo 관리자 2018-08-01 hit70