AI 도구, 15분 만에 ADHD와 자폐를 70% 정확도로 진단

관리자 · 2025-09-09 · 조회 497

핵심 요약

  • 5살 이상 92명을 대상으로 한 연구에서 인공지능이 사람의 미세한 움직임을 분석했어요.
  • 이 인공지능은 15분 만에 최대 70퍼센트의 정확도로 자폐와 주의력 결핍 과다 행동 장애를 찾아냈어요.
  • 아직 참가자 수가 적고 나이가 많은 편이라서 병원에서 바로 쓰기에는 더 많은 연구가 필요해요.

글의 핵심을 쉬운 말로 정리했습니다. 자세한 내용은 본문에서 확인하세요.

▸ 이 글은 해외 기사를 한국 독자용으로 번역·소개합니다. 출처 medscape.com ↗

작성자: 던 아트리드(Dawn Attride)

작성일: 2025년 7월 23일

새로운 연구에 따르면, 센서 기반의 AI 도구를 사용해 아동과 청소년의 주의력 결핍 과잉 행동 장애(ADHD)와 자폐 스펙트럼 장애(ASD)를 15분 만에 최대 70%의 정확도로 진단할 수 있다고 합니다.

수석 연구원인 호르헤 V. 호세(Jorge V. José) 박사는 "진단에는 매우 오랜 시간이 걸리는데, 이 도구는 초진에 15분밖에 걸리지 않아 정말 놀라웠습니다"라고 전했습니다. 연구팀은 육안으로 감지할 수 없는 사람의 미세한 움직임에 중요한 인지 정보가 담겨 있다는 가설을 세웠습니다. 초당 약 220장의 스냅샷을 포착하는 고해상도 센서를 이용해 이 움직임들을 분석합니다.

호세 교수는 "밀리초 단위의 미세한 변동을 분석하면, 그 사람이 저기능, 중기능, 고기능인지, 그리고 인지 능력의 전체 스펙트럼이 어떤지 파악할 수 있다"고 설명했습니다. 이 연구는 2025년 7월 8일 네이처 사이언티픽 리포트(Nature Scientific Reports)에 게재되었습니다.

긴 진단 대기 시간을 해결할 잠재력

자폐 및 ADHD 진단율이 계속 증가하면서 의료 시스템의 부담도 커지고 있습니다. 연구자들은 이 새로운 AI 도구가 정신과 평가를 위한 긴 대기 시간을 크게 단축할 수 있을 것으로 기대합니다.

실제로 2023년 미국 CMS(의료보험 서비스 센터) 조사에 따르면, 미국 자폐 센터의 28%는 진단 대기 시간이 7개월을 넘었고, 일부는 업무가 과중하여 신규 의뢰를 받지 못할 정도였습니다.

이 연구는 2018년 연구에서 확인된 자폐인과 비장애인 간의 움직임 차이를 기반으로 진행되었습니다. 연구진은 고해상도 블루투스 센서를 이용해 운동학적 변수 측정 범위를 넓히고, ADHD인과 자폐-ADHD를 모두 가진 이들까지 연구에 포함시켰습니다.

연구진은 심층 학습(deep learning) 모델을 사용하여 신경발달 장애(NDD)를 가진 사람과 신경 전형인(neurotypical, NT)을 구별하는 미묘한 움직임 생체 지표를 추적했습니다. 이 모델은 또한 질병의 진단과 심각도를 정확하게 판별했습니다. 연구에는 평균 연령 23.96세의 5세 이상 참가자 92명이 포함되었으며, 그중 35.9%가 여성이었습니다. 이들 중 약 3분의 1은 NT였습니다.

움직임을 측정하기 위해 참가자들은 센서가 달린 장갑을 끼고 15분 동안 터치스크린의 목표물을 향해 손을 뻗고 다시 거두는 동작을 약 100회 반복했습니다. 심층 학습 모델은 롤, 피치, 요(RPY), 선형 가속도, 각속도를 포함한 운동학적 변수를 기반으로 참가자의 상태를 분류했습니다.

심각도를 평가하기 위해 데이터는 고주파수 센서 노이즈를 제거하도록 필터링되었으며, 생체 인식 파노 인자(biometric Fano Factor)와 섀넌 엔트로피(Shannon Entropy)를 사용하여 개인의 무작위 운동학적 변동을 측정했습니다.

의사가 볼 수 없는 것을 보는 인공지능

다양한 운동학적 변수를 사용했을 때 심층 학습 모델의 예측 능력은 증가했습니다. (평균 테스트 정확도 71.48%). 하지만 각속도는 이 조합에 제한적인 이점만 제공했습니다. 롤, 피치, 요(RPY)는 선형 가속도(테스트 정확도 44.44%)와 각속도(테스트 정확도 32.17%)에 비해 가장 큰 예측 능력을 보였습니다(테스트 정확도 67.83%).

"수신자 조작 특성 곡선 아래의 영역은 우리가 신경발달 장애인(NDD)의 상태를 높은 정확도로 예측할 수 있음을 시사합니다"라고 연구진은 밝혔습니다.

검증 세트의 AUC는 0.50에서 0.92 사이였으며, 각속도를 제외했을 때 약간 증가했습니다. 이 모델은 NDD와 신경전형인(NT)을 구별하는 데는 일관되게 좋은 성능을 보였지만, ADHD와 ASD를 함께 가진 이들을 식별하는 데는 정확도가 낮았습니다.

연구진은 이 도구를 사용함으로써 얻을 수 있는 잠재적 이점 중 하나는 질적인 행동 관찰에만 의존하기보다 개인의 상태에 대한 객관적인 데이터를 제공할 수 있다는 점이라고 언급했습니다.

호세 박사는 그의 팀이 학교와 병원을 포함한 다양한 환경에서 이 도구를 추가로 테스트하고 종단 연구를 수행할 계획이라고 말했습니다. 그는 NDD 진단 및 심각도 판별에 드는 시간 집약적이고 복잡한 과정을 간소화할 수 있는 이 도구의 잠재력에 대해 계속해서 기대하고 있습니다.

유망하지만 아직은 예비 단계

뉴욕 대학교 그로스만 의과대학의 아동 및 청소년 정신과 임상 심리학자이자 부교수인 안나 반 미터(Anna Van Meter)는 이 연구에 대해 긍정적인 평가와 함께 몇 가지 한계를 지적했습니다. 그녀는 AI가 기존에 수집된 데이터를 임상의가 더 잘 활용하도록 돕고, 기존 정신과 평가에 포함되지 않았던 '다른 유형의 데이터'를 통합하는 데 '확실히 큰 잠재력'이 있다고 보았습니다.

하지만 그녀는 이 연구가 흥미롭기는 하지만 아직 '매우 예비 단계'에 있다고 언급했습니다. 그 이유로 작은 표본 크기를 들었으며, 모집된 사람들의 데이터의 약 20%정도를 못 쓴 것 같다고 언급했습니다. 이는 임상적으로 이 접근법의 실현 가능성에 대한 의문을 제기합니다. 또한, 연구 참가자들이 일반적으로 자폐의 진단 연령 범위인 5세 미만, 그리고 ADHD의 진단 연령 범위인 5세에서 12세보다 훨씬 나이가 많다는 점도 지적했습니다.

이 연구는 국립과학재단 보조금과 복잡한 네트워크 학제 간 훈련 보조금의 일부 지원을 받아 진행되었습니다. 호세와 반 미터는 이해 상충이 없다고 밝혔습니다.


출처 : Medscape