AI 기반 고밀도 근적외선 뇌산소 모니터링 패치

초록

본 논문은 인공지능을 활용한 고밀도 근적외선 분광(NIRS) 패치를 제안한다. MRI 기반 합성 데이터로 학습된 신경망을 통해 두피‑두정막‑피질 3층의 산소포화도를 실시간으로 추정하며, 시뮬레이션·인공인간모형·임상시험에서 기존 NIRS 대비 현저히 높은 정확도(R²>0.9)와 뇌졸중 환자 구분 능력(AUC 0.943)을 입증한다.

상세 분석

이 연구는 NIRS가 기존에 직면한 ‘광산란에 의한 층별 정보 손실’ 문제를 AI와 고밀도 센서 어레이의 결합으로 해결하고자 한다. 먼저 저자들은 3 × 3 mm² 크기의 소형 광다이오드·포토디텍터를 5 mm 간격으로 64채널 배치해 고해상도 공간 샘플링을 구현하였다. 이러한 고밀도 배열은 전통적인 저밀도 NIRS가 제공하지 못하는 미세한 광경로 변화를 포착할 수 있게 하며, 특히 두피와 두정막 사이의 광학적 경계가 변동하는 경우에도 유의미한 반사 신호를 확보한다.

핵심은 MRI 기반 해부학적 모델에서 생성한 10 000여 개의 합성 데이터셋이다. 각 샘플은 개인별 두개골 두께, 혈관 분포, 조직 흡수계수 등을 변동시켜 다양한 해부학적 변이를 반영한다. 이 데이터를 입력으로 사용해 3‑층(두피, 두정막, 피질) 산소포화도 추정용 심층 신경망(3‑layer CNN + fully‑connected regression head)을 학습시켰다. 네트워크는 광학 전송 모델(Tissue‑Monte‑Carlo)으로부터 얻은 반사 스펙트럼과 실제 산소포화도 라벨을 매핑함으로써, 비선형 산란 효과를 자동 보정한다.

시뮬레이션 결과는 R²=0.913이라는 높은 상관계수를 보였으며, 이는 기존 Beer‑Lambert 기반 방법(R²≈0.47)과 비교해 두 배 이상 향상된 것이다. 또한, 생체모사 인공인간두뇌(뇌 조직·두정막·두피를 각각 1.5 mm, 2 mm, 5 mm 두께로 구현)에서 수행한 실험에서는 R²=0.986을 기록, 상용 상업용 NIRS 장비(R²=0.823)보다 현저히 우수했다.

임상 검증 단계에서는 12명의 건강한 피험자와 9명의 급성 허혈성 뇌졸중 환자를 대상으로 실시간 측정을 수행했다. 피험자별 평균 피질 산소포화도 차이는 7 % 이상이며, ROC 분석 결과 AUC=0.943으로 높은 구분력을 나타냈다. 중요한 점은 측정 지연이 1 초 이하로, 응급실·구조 현장에서 실시간 의사결정에 충분히 활용 가능하다는 것이다.

한계점으로는 현재 데이터셋이 주로 1.5 T MRI 기반 해부학 모델에 의존한다는 점과, 심한 두개골 골절·출혈 등 비정상 조직 광학 특성을 가진 환자에 대한 검증이 부족하다는 점을 들 수 있다. 향후 다중 파장(700–900 nm) 확장과 전이학습을 통한 다양한 뇌 손상 유형 적용이 필요하다.

전반적으로 이 논문은 고밀도 NIRS와 딥러닝을 결합해 층별 뇌산소 모니터링을 실현함으로써, 신속하고 정확한 신경학적 응급 진단 도구로서의 가능성을 크게 확대한다.