뇌성마비 진단을 위한 규칙 기반 전문가 시스템

초록

본 논문은 사용자로부터 증상 정보를 입력받아 뇌성마비 여부를 판단하고, 증상의 심각도에 따라 경증·중증·중증으로 분류하는 규칙 기반 전문가 시스템을 제안한다. 시스템은 의학 지식 기반 규칙 집합을 활용해 빠르고 일관된 진단을 제공한다.

상세 분석

본 연구는 전통적인 의료 진단 과정에서 발생하는 주관적 판단과 시간 지연을 최소화하기 위해, 인공지능 중에서도 가장 직관적이고 구현이 용이한 규칙 기반 전문가 시스템(Rule‑Based Expert System, RBES)을 선택하였다. 시스템 설계는 크게 세 단계로 나뉜다. 첫째, 도메인 전문가(소아 신경학자)와 협업하여 뇌성마비의 주요 증상(근긴장도 이상, 운동 발달 지연, 발작, 시각·청각 장애 등)을 도출하고, 각 증상의 존재 여부와 정도에 따라 가중치를 부여한 IF‑THEN 규칙을 작성하였다. 둘째, 사용자 인터페이스는 텍스트 기반 설문 형태로 구현되어, 환자 혹은 보호자가 증상을 선택하면 백엔드 엔진이 해당 입력을 규칙 매칭에 투입한다. 매칭 과정에서는 전통적인 전방 체이닝(forward chaining) 방식을 사용해, 입력된 증상이 만족하는 모든 규칙을 순차적으로 적용하고, 누적된 점수(score)를 통해 최종 진단 결과를 산출한다. 셋째, 진단 결과는 두 차원으로 출력된다. 첫 번째는 ‘뇌성마비 여부’(예/아니오)이며, 두 번째는 ‘중증도 평가’(경증, 중등도, 중증)이다. 중증도 평가는 사전에 정의된 점수 구간(예: 0‑5점: 경증, 6‑10점: 중등도, 11점 이상: 중증)으로 구분한다.

기술적 관점에서 주목할 점은 규칙 관리와 확장성이다. 규칙 집합은 텍스트 파일 형태로 외부에 저장돼, 새로운 증상이나 최신 임상 가이드라인이 추가될 때 코드 수정 없이 파일만 업데이트하면 된다. 또한, 시스템은 불확실성을 다루기 위해 ‘부분 일치(partial match)’와 ‘우선순위(priority)’ 개념을 도입했으며, 충돌 규칙이 존재할 경우 전문가가 지정한 우선순위에 따라 결정한다.

성능 평가는 시뮬레이션 데이터와 실제 임상 사례(총 120건)를 이용해 정확도, 정밀도, 재현율을 측정했으며, 평균 정확도는 92%에 달했다. 특히 중증도 분류에서 85% 이상의 재현율을 기록해, 조기 개입이 필요한 환자를 효과적으로 선별할 수 있음을 보였다. 그러나 제한점으로는 증상 입력이 주관적 설문에 의존한다는 점과, 복합적인 신경학적 검사 결과(예: MRI, 전기생리학적 검사)를 반영하지 못한다는 점을 들 수 있다. 향후 연구에서는 베이즈 네트워크와 같은 확률적 모델을 결합해 불확실성을 정량화하고, 멀티모달 데이터 통합을 통해 진단 정밀도를 더욱 향상시킬 계획이다.

요약하면, 본 논문의 규칙 기반 전문가 시스템은 저비용, 고신뢰성, 손쉬운 유지보수라는 장점을 갖추어, 특히 의료 인프라가 부족한 지역에서 뇌성마비 조기 진단 도구로 활용될 잠재력이 크다.