섬망(Delirium) 질병을 조기에 발견하는 것은 쉽지 않지만, 질병의 조기 발견은 환자에게 필수적인 치료를 신속하게 제공할 뿐만 아니라 더 빠른 회복으로 이어지는 큰 보상을 선사합니다.
또한 조기 발견율이 향상되면 장기적인 전문 간호의 필요성이 줄어들기 때문에 환자의 삶의 질이 향상됨과 동시에 재정적 부담도 크게 줄어듭니다. 미국 국립보건원에 따르면 미국에서는 섬망 환자를 돌보는 데 환자당 연간 최대 6만 4,000달러의 비용이 든다고 합니다.
지난달 Nature에 게재된 논문에서 연구원들은 중증 노인의 섬망을 감지하기 위해 빠른 반응 뇌파(EEG) 장치와 함께 엔비디아 GPU로 가속화된 비전 트랜스포머(Vision Transformer)라는 딥 러닝 모델을 사용한 방법을 설명합니다.
“비전 트랜스포머를 사용한 지도형 딥 러닝으로 제한된 리드 뇌파를 사용하여 섬망 예측“이라는 제목의 이 논문은 사우스 캐롤라이나 대학의 말리사 멀키, 퍼듀 대학의 후윤팅 황, 이스트 캐롤라이나 대학의 토마스 알바니즈와 성한 김, 퍼듀의 바이지안 양이 저자로 참여했습니다.
이들의 혁신적인 접근 방식은 97%의 테스트 정확도를 달성하여 치매 예측에 획기적인 발전을 이룰 수 있을 것으로 기대되었습니다. 또한 연구진은 AI와 뇌파를 활용하여 예방 및 치료 방법을 객관적으로 평가함으로써 더 나은 치료로 이어질 수 있었습니다.
이러한 인상적인 결과는 부분적으로 엔비디아 GPU의 가속화된 성능 덕분에 CPU에 비해 절반의 시간으로 작업을 완료할 수 있었습니다.
섬망은 전체 중환자의 최대 80%까지 영향을 미칩니다. 그러나 기존의 임상 감지 방법으로는 40% 미만의 사례만 식별할 수 있어 환자 치료에서 상당한 격차가 존재합니다. 현재 중환자실 환자를 선별하는 데는 병상에서 직접 지켜봐야 하는 주관적인 평가가 필요합니다.
휴대용 뇌파 장치를 도입하면 보다 정확하고 저렴한 비용으로 검사를 진행할 수 있지만, 숙련된 기술자와 신경과 전문의가 부족하다는 점이 문제입니다.
그러나 AI를 사용하면 신경과 전문의가 검사 결과를 해석할 필요가 없으며, 환자가 치료에 더 잘 반응하는 증상 발생 약 2일 전에 섬망과 관련된 변화를 감지할 수 있습니다. 또한 최소한의 학습만으로 뇌파를 사용할 수 있습니다.
연구진은 처음에는 자연어 처리를 위해 만들어지고 엔비디아 GPU로 가속화된 ViT라는 AI 모델을 뇌파 데이터에 적용하여 데이터 해석에 대한 새로운 접근 방식을 제공했습니다.
대형 뇌파 기계나 전문 기술자가 필요 없는 휴대용 고속 반응 뇌파 장치를 사용한 것도 주목할 만한 연구 결과 중 하나입니다.
이 실용적인 도구는 수집한 데이터를 해석하는 최첨단 AI 모델과 결합하여 중환자실에서 섬망 검사를 간소화할 수 있습니다.
이 연구는 어떻게 하면 입원 기간을 단축하고, 퇴원율을 높이며, 사망률을 낮추고, 섬망과 관련된 재정적 부담을 줄일 수 있는지 혁신적인 섬망 감지 방법을 제공합니다.
이 연구는 혁신적인 딥 러닝 모델 및 실용적인 의료 기기와 엔비디아 GPU의 성능을 통합함으로써 환자 치료를 개선하는 데 있어 기술의 혁신적 잠재력을 강조합니다.
AI가 성장하고 발전함에 따라 의료 전문가들은 치매와 같은 상태를 예측하고 조기에 개입하여 중환자 치료의 미래를 혁신하기 위해 AI에 의존할 가능성이 점점 더 커지고 있습니다.
논문 전문을 읽어보세요.