<?xml version="1.0" encoding='utf-8' ?>
<nspnews type="text">
<version>v8.0</version>
<date>2025-06-04 15:27:40</date>
<action>I</action>
<registdate>2025-06-04 14:32:57</registdate>
<modifydate>2025-06-04 15:27:22</modifydate>
<publishdate>2025-06-04 15:27:34</publishdate>
<embargo>N</embargo>
<newsid>758817</newsid>
<orgid></orgid>
<language>KR</language>
<category1>21</category1>
<category2>2101</category2>
<category1_name>의학/건강</category1_name>
<category2_name>병의원</category2_name>
<statusID>1</statusID>
<saleID>N</saleID>
<formatID>1</formatID>
<typeID>7</typeID>
<newsSubject><![CDATA[연세의료원, 중추신경계 감염 예측 AI 개발…정확도 최대 99% 자신]]></newsSubject>
<newsSummary><![CDATA[]]></newsSummary>
<newsTag><![CDATA[연세의료원,세브란스병원,연세대학교의학대학,강남세브란스병원,딥러닝]]></newsTag>
<newsLinks><![CDATA[]]></newsLinks>
<news_prolog><![CDATA[(서울=NSP통신) 문석희 기자 =]]></news_prolog>
<news1><![CDATA[연세의료원이 중추신경계 급성 염증의 원인을 조기에 분류하고 예후를 예측할 수 있는 인공지능(AI) 모델 개발에 성공했다. 

연구팀에 따르면 원인 예측에서는 최대 99%, 예후 예측에서는 최대 94%에 달하는 예측 정확도를 보였다. 

연구팀은 뇌척수액 내 면역세포의 삼차원 구조 이미지를 활용해 중추신경계 질환의 감염 원인과 예후를 예측할 수 있는 모델을 개발했다.

이번 개발을 담당한 연구팀은 박유랑 연세대 의대 의생명시스템정보학교실 교수, 김경민 세브란스병원 신경과 교수, 최보규 강남세브란스병원 신경과 강사로 구성됐다. 이번 연구는 현대차 정몽구 재단 보건의료 R&D 지원을 받아 수행됐다.

연구팀은 세브란스병원에 내원한 14명의 중추신경계 감염 환자로부터 총 1427개의 뇌척수액 면역세포의 3D 영상을 수집했다. 수집한 면역세포 구조의 이미지를 활용해 감염 원인과 예후를 예측하는 딥러닝 모델을 구축했다. 

연구팀이 딥러닝 모델의 성능을 평가한 결과 면역세포 1개를 대입했을 때 감염 원인 예측 정확도에서 89%의 성능을 보였다. 신경 질환 환자의 예후 예측 정확도는 79%로 나타났다.

특히 각각의 예측 성능은 딥러닝 모델에 더 많은 세포 이미지를 대입할수록 정확도가 높아졌다. 면역세포 5개를 대입했을 때는 감염 원인 예측 정확도는 99%, 예후 예측 정확도는 94%로 상승했다. 

또한 연구팀은 딥러닝 모델이 세포핵 주변의 구조 차이를 통해 예후와 원인을 예측한다는 것을 확인했다. 이때 세포의 질량, 부피, 단백질 밀도 등 정량적 지표가 예측에 중요한 요소로 활용됐다.

박유랑 교수는 “이번 연구는 중추신경계 감염 환자의 원인과 예후를 예측하는데 뇌척수액 내 면역 세포의 3차원 이미지를 활용한 첫 사례”라며 “연구에서 제시한 딥러닝 모델이 환자 진단과 예후 예측에 필요한 시간을 단축하는데 도움이 될 수 있을 것이라 기대한다”고 말했다.

이번 연구 결과는 국제학술지 어드밴스드 인텔리전트 시스템(Advanced Intelligent Systems)에 게재되며 6월호 표지로 선정되기도 했다.]]></news1>
<news2_title><![CDATA[]]></news2_title>
<news2><![CDATA[]]></news2>
<news3><![CDATA[]]></news3>
<news4_title><![CDATA[]]></news4_title>
<news4><![CDATA[]]></news4>
<news5_title><![CDATA[]]></news5_title>
<news5><![CDATA[]]></news5>
<news_epilog_info><![CDATA[]]></news_epilog_info>
<news_epilog_byline><![CDATA[NSP통신 문석희 기자(shmoon@nspna.com)]]></news_epilog_byline>
<news_epilog><![CDATA[ⓒ한국의 경제뉴스통신사 NSP통신·NSP TV. 무단전재-재배포 및 AI학습 이용 금지.]]></news_epilog>
<imageL><![CDATA[https://file.nspna.com/news/2025/06/04/20250604143520_758817_0.jpg]]></imageL>
<imageP><![CDATA[https://file.nspna.com/news/2025/06/04/photo_20250604143520_758817_0.jpg]]></imageP>
<image1><![CDATA[https://file.nspna.com/news/2025/06/04/20250604143520_758817_1.jpg]]></image1>
<image2><![CDATA[]]></image2>
<image3><![CDATA[]]></image3>
<image4><![CDATA[]]></image4>
<image5><![CDATA[]]></image5>
<image1_place><![CDATA[c]]></image1_place>
<image2_place><![CDATA[c]]></image2_place>
<image3_place><![CDATA[c]]></image3_place>
<image4_place><![CDATA[c]]></image4_place>
<image5_place><![CDATA[c]]></image5_place>
<image1_text><![CDATA[연세의료원의 연구팀이 중추신경계 급성 염증의 원인을 조기에 분류하고 예후를 예측할 수 있는 인공지능(AI) 모델 개발에 성공했다.]]></image1_text>
<image2_text><![CDATA[]]></image2_text>
<image3_text><![CDATA[]]></image3_text>
<image4_text><![CDATA[]]></image4_text>
<image5_text><![CDATA[]]></image5_text>
<image1_source><![CDATA[사진 = 연세의료원]]></image1_source>
<image2_source><![CDATA[]]></image2_source>
<image3_source><![CDATA[]]></image3_source>
<image4_source><![CDATA[]]></image4_source>
<image5_source><![CDATA[]]></image5_source>
<vodSite><![CDATA[]]></vodSite>
<vodID><![CDATA[]]></vodID>
<vodTitle><![CDATA[]]></vodTitle>
<vodWidth><![CDATA[]]></vodWidth>
<vodHeight><![CDATA[]]></vodHeight>
<advertorial><![CDATA[]]></advertorial>
<location><![CDATA[서울]]></location>
<teamID>102</teamID>
<teamName><![CDATA[산업경제부]]></teamName>
<writerID>shmoon</writerID>
<writerName><![CDATA[문석희]]></writerName>
<writerTitle><![CDATA[기자]]></writerTitle>
<writerEmail><![CDATA[shmoon@nspna.com]]></writerEmail>
<writerID2></writerID2>
<writerName2><![CDATA[]]></writerName2>
<writerTitle2><![CDATA[]]></writerTitle2>
<writerEmail2><![CDATA[]]></writerEmail2>
<writerID3></writerID3>
<writerName3><![CDATA[]]></writerName3>
<writerTitle3><![CDATA[]]></writerTitle3>
<writerEmail3><![CDATA[]]></writerEmail3>
</nspnews>
