전뇌전극 데이터베이스 오므니아이이지

초록

오므니아이이지는 302명의 환자와 178시간에 달하는 고해상도 전뇌전극(iEEG) 기록을 통합한 대규모 공개 데이터셋이다. 임상 메타데이터와 36,000여 개의 병변 이벤트 주석이 전문 신경학자에 의해 검증되었으며, 표준화된 벤치마크 과제와 평가 지표를 제공한다. 이를 통해 머신러닝 모델의 재현성·범용성·임상 전이 가능성을 체계적으로 검증할 수 있다.

상세 분석

오므니아이이지는 기존 단일기관 iEEG 데이터의 형식·메타데이터 불일치를 해결하고, 다기관 데이터를 일관된 구조로 통합한 점이 가장 큰 혁신이다. 302명의 전이 수술 전 환자를 포함해 178시간에 달하는 고해상도(보통 1 kHz 이상) 기록을 제공함으로써, 기존 데이터셋이 갖는 샘플 수와 시간 길이의 제한을 크게 초월한다. 특히, 발작 시작 부위(Seizure Onset Zone), 절제 부위, 수술 결과 등 임상적으로 핵심적인 메타데이터를 보드 인증 신경학자가 검증했으며, 이는 모델 학습·평가 시 임상적 타당성을 확보하는 데 필수적이다.

주석 측면에서는 36,000여 개의 병변 이벤트(스파이크, 고주파 발작, 리듬성 방전 등)를 전문가가 직접 라벨링했으며, 이는 기존 공개 데이터가 거의 제공하지 못했던 수준이다. 이러한 풍부한 라벨은 병변 검출, 발작 예측, 전극 선택 등 다양한 바이오마커 연구에 바로 활용 가능하게 만든다.

벤치마크 과제는 ‘발작 시작 부위 예측’, ‘병변 이벤트 검출’, ‘수술 결과 예측’ 등 임상 흐름에 직접 연결되는 네 가지 핵심 작업으로 정의되었다. 각 과제마다 임상적 사전지식(예: 전극 위치, 환자별 해부학적 구조)을 반영한 평가 지표가 제시돼, 단순 정확도 대신 민감도·특이도·F1 점수 등 실질적인 임상 가치를 측정한다.

기술적 실험에서는 긴 시계열을 한 번에 처리하는 엔드투엔드 모델을 구축하고, 비신경생리학적 도메인(예: 음성·영상)에서 사전학습된 변환기 기반 표현을 iEEG에 전이시켰을 때 성능 향상을 확인했다. 이는 대규모 비정형 시계열 데이터에 대한 전이 학습 가능성을 시사한다.

하지만 데이터의 다양성에도 불구하고, 기록 장비와 전극 배치가 기관마다 차이가 있어 완전한 표준화는 어려웠으며, 일부 환자는 기록 길이가 짧아 장기 추세 분석에 제한이 있다. 또한, 라벨링은 전문가 주관에 의존하기 때문에 인터-라벨러 일관성 검증이 추가로 필요하다.

전반적으로 오므니아이이지는 iEEG 연구의 데이터·평가·재현성 문제를 종합적으로 해결한 최초의 대규모 공개 리소스로, 향후 멀티모달 통합, 실시간 임상 지원 시스템 개발 등에 핵심 기반이 될 것으로 기대된다.