원발성 다한증 치료를 위한 교감신경차단술 후 부작용으로 문제 되는 보상성 다한증 예측을 위해 기계학습 알고리즘을 활용한 연구 결과가 발표됐다.

원발성 다한증은 교감신경의 과도한 활성을 특징으로 하고, 이의 해결을 위해 흉강경을 통한 교감신경차단술이 효과적·안정적으로 시행되고 있다. 수술을 통한 원발성 다한증의 증상 개선으로 환자들 대부분이 만족감을 나타내지만 적지 않은 수에서 다른 부위에 땀이 나는, 소위 보상성 다한증의 부작용이 발생한다.

▲ 현 관용 교수      ▲ 김 재준 교수

가톨릭대학교 성빈센트병원 심장혈관흉부외과 현관용 교수는 의정부성모병원 심장혈관흉부외과 김재준 교수 연구팀과 함께 자율신경계검사를 통한 심박동수의 변이성 자료를 바탕으로 기계학습 알고리즘 기반 분석을 통해 보상성 다한증을 예측하는 연구를 진행했다.

현관용·김재준 교수팀은 2017년부터 2021년까지 교감신경차단술 전 자율신경계검사를 받은 128명의 두경부 혹은 손 부위 원발성 다한증 환자를 대상으로 자율신경계검사 지표(SDNN, RMSSD, TP, LF)를 분석하여 이에 따른 다한증을 분류하고 보상성 다한증의 발생 정도를 랜덤포레스트 진단결정트리 모델을 이용해 예측했다.

연구 결과, 단변량과 다변량 분석에서 부교감신경에 대한 교감신경의 우세성이 두경부 다한증 타입에서 유의하게 높았으며, 보상성 다한증의 정도 또한 교감신경의 우세성과 유의한 영향 관계가 있음을 확인했다.

김재준 교수는 “이전 연구를 통해 심박동수의 변이성이 보상성 다한증의 관련인자임을 확인했고, 이를 바탕으로 기계학습 알고리즘을 활용한 보상성 다한증 정도의 예측 분석이 실제로 환자 개개인의 예측률을 제시하는지를 알아보는 것에 의의가 있다.”고 말했다.

현관용 교수는 “기존의 연구와는 실제 목적이 다른 알고리즘 기반 분석을 통해 새로운 케이스를 연습된 모델에 넣어 예측한 이번 연구가 앞으로의 다한증 연구에 초석이 됐으면 한다.”고 소감을 밝혔다.

이번 연구 논문 ‘원발성 다한증의 기계학습을 통한 다한증의 분류 및 보상성 다한증의 예측(Machine learning analysis of primary hyperhidrosis for classification of hyperhidrosis type and prediction of compensatory hyperhidrosis)’은 SCIE 국제학술지 ‘흉부 질병 학회지(Journal of Thoracic Disease, IF=2.5)에 게재됐다.

◆ 그림〕보상성 다한증 예측을 위한 머신러닝 모델에 따른 ROC 곡선

ROC곡선은 좌측 위 꼭지점에 가까울수록, ROC곡선의 아래면적(AUC)이 1에 가까울수록 좋은모델로 평가되는데 랜덤포레스트모델이 보상성 다한증 예측에 있어 우수한 결과값을 보여주고 있다.