제이엘케이(대표 김동민)가 심방세동 환자의 뇌졸중 증증도를 자동으로 분류하는 딥러닝 알고리즘에 대한 연구 논문을 국제 학술지 Journal of Stroke에 게재했다고 22일 발표했다. 이번 성과는 임상 현장에서 활용도를 크게 높이는 동시에, 제이엘케이의 매출 성장에도 긍정적 영향을 줄 것으로 기대된다.

제이엘케이, 전남대학교병원, 분당서울대병원 연구팀은 심방세동으로 인해 발생한 뇌경색 환자들의 확산강조 MRI 영상(DWI)을 활용해 뇌경색 크기를 경증, 중간, 중증으로 자동 분류하는 딥러닝 알고리즘을 개발했다. 이 알고리즘은 2011년부터 2021년까지 4개의 병원에서 수집한 1,091건의 DWI를 학습데이터로 사용했으며, 외부 검증을 위해 2017년부터 2020년까지 11개의 다른 병원에서 수집한 1,265건의 DWI를 사용했다.

연구 결과, 딥러닝 알고리즘은 외부 검증 데이터셋에서 뇌졸중 전문가 분류와 87.4%의 높은 일치율(percentage agreement)을 보였다. 일치도를 측정하는 또다른 지표인 코헨 카파(Cohen's kappa) 값은 0.81로, 뇌졸중 전문가 두 명 사이 일치율(74.6%, 카파 값 0.62)보다 높은 성능을 기록했다.

특히, 이 알고리즘은 뇌경색 중증도에 따른 뇌경색 출혈 합병증(sHT) 위험과 유의한 연관성을 보였다. 알고리즘이 중증으로 분류한 환자에게서 sHT 발생률이 가장 높았으며, 경증으로 분류된 환자에게서는 sHT가 전혀 발생하지 않았다. 이는 알고리즘의 분류 결과가 실제 임상적 위험을 반영함을 시사한다.

이번 연구는 DWI를 기반으로 뇌졸중 중증도를 자동으로 분류하는 딥러닝 모델을 개발한 최초의 사례이다. 뇌졸중 중증도는 경구용 항응고제(DOAC)의 투여 시기를 결정하는 데 중요한 지표가 된다. 특히, 전문 인력이 부족한 환경에서 이 알고리즘은 경험이 적은 의사들이 DOAC 투여 시기를 결정하는 데 도움을 줄 수 있다.

류위선 제이엘케이 최고의학책임자는 “이번 연구는 뇌졸중 환자의 치료 최적화에 직접적으로 기여할 수 있는 성과”라며 “향후 CT 등 다양한 영상 기반으로 알고리즘을 확장해 제품 경쟁력을 강화하고, 임상 활용도를 높여 회사의 성장 동력으로 연결해 나가겠다”라고 말했다.