혀 색깔만으로 당뇨병·빈혈 진단…새 인공지능 모델 관심

발행날짜: 2024-08-14 05:30:00
  • 색깔과 모양, 두께 등 알고리즘 분석해 질환 진단 성과
    훈련 모델 정확도 98% 기록…"상용화 모델 개발 박차"

혀의 색깔을 컴퓨터에 보여주는 것만으로 다양한 질병을 진단하고 예측하는 의료 인공지능(AI) 모델이 나와 학계의 주목을 받고 있다.

특히 훈련모델 테스트에서 이 인공지능 모델은 당뇨병과 빈혈 등 다양한 질환을 98%의 정확도로 진단했다는 점에서 상용화 기대감을 높이고 있다.

혀의 색깔 등으로 질병을 진단하는 인공지능이 나와 주목된다.

현지시각으로 13일 국제학술지 테크놀로지스(Technologies)에는 혀 색깔을 통해 질병을 진단하는 인공지능 모델의 검증 연구 결과가 게재됐다(10.3390/technologies12070097).

현재 혀를 통해 질병을 진단하는 인공지능 모델은 전 세계에서 다양한 연구가 이뤄지고 있다.

혀의 색깔은 물론 모양과 두께, 심지어 열화상 카메라를 이용한 온도 변화를 통해 질병을 진단하는 모델들이 속속 검증을 받고 있는 상황.

대부분은 당뇨병이 타깃으로 혈당이 높아지면 혀 색깔이 변한다는 점에 착안하고 있다.

이라크 미들 테크놀로지 대학Middle Technical University) 알리 알 나지(Ali Al-Naji) 교수가 이끄는 다국가 연구진이 이에 주목한 배경도 여기에 있다.

만약 당뇨병을 비롯해 다양한 질병을 가진 사람의 혀의 변화를 특정하고 이를 인공지능에게 학습시킬 수 있다면 매우 간단하고 비침습적인 진단 보조 도구를 만들 수 있다는 판단에서다.

이에 따라 연구진은 혀의 색깔이 들어간 5260개의 데이터 세트를 인공지능 모델에 학습시켰다.

5가지 색상 공간 모델(RGB, YcbCr, HSV, LAB 및 YIQ)에서 다양한 색상 채도와 다양한 조명 조건에서 혀 색상 특징을 분석하고 추출하는 모델을 개발한 셈이다.

이후 연구진은 60장의 혀 이미지를 통해 이에 대한 검증에 들어갔다. 대상 질환은 당뇨병과 뇌졸중, 빈혈, 천식, 간 질환 및 코로나 감염 등이었다.

그 결과 이 인공지능 모델은 혀의 노란빛을 감지해 당뇨병 환자를 정확히 걸러내는데 성공했다. 또한 천식 환자에게서 나타나는 푸른빛을 감지해 천식 환자도 구분했다.

빈혈 환자 또한 매우 높은 정확도로 걸러내는데 성공했다. 이때 인공지능은 빈혈 환자의 혀에서 흰색빛을 감지했다.

이러한 작업에는 6가지 머신 러닝 알고리즘에 활용됐다. NB와 SVM, KNN, DT, RF, XGBoost가 바로 그것이다.

테스트 결과 정확도가 가장 높은 것은 XGBoost로 98.71%의 정확도로 혀 색깔을 이용해 환자가 앓고 있는 병을 진단하는데 성공했다. 가장 낮은 정확도를 보인 것은 NB 알고리즘으로 91.43%를 기록했다.

이에 따라 연구진은 XGBoost 모델을 핵심으로 5가지 머신 러닝 알고리즘을 통해 이를 보조하는 시스템을 구축하고 보다 더 많은 데이터를 통해 상용화 가능성을 타진할 계획이다.

알리 알 나지 교수는 "이 모델을 더욱 고도화시킨다면 스마트폰 등을 통해 혀를 찍는 것만으로 질병을 의심하는 시스템을 구축할 수 있을 것"이라며 "이번 연구를 통해 이에 대한 가능성을 충분히 입증했다"고 설명했다.

이어 그는 "혀의 색깔과 모양, 두께만으로 다양한 질병 예측에 있어 98%의 정확도를 보였다는 것은 매우 고무적인 일"이라며 "조만간 어플리케이션 형태로 환자들에게 선보일 수 있기를 기대한다"고 밝혔다.

관련기사

의료기기·AI 기사

댓글

댓글운영규칙
댓글을 입력해 주세요.
더보기
약관을 동의해주세요.
닫기
댓글운영규칙
댓글은 로그인 후 댓글을 남기실 수 있으며 전체 아이디가 노출되지 않습니다.
ex) medi****** 아이디 앞 네자리 표기 이외 * 처리
댓글 삭제기준 다음의 경우 사전 통보없이 삭제하고 아이디 이용정지 또는 영구 가입이 제한될 수 있습니다.
1. 저작권・인격권 등 타인의 권리를 침해하는 경우
2. 상용프로그램의 등록과 게재, 배포를 안내하는 게시물
3. 타인 또는 제3자의 저작권 및 기타 권리를 침해한 내용을 담은 게시물
4. 욕설 및 비방, 음란성 댓글