연구실(단) 소개
디지털 헬스케어 연구실
연구책임자: 융합의학과 신항식 부교수
연구실 소개 및 연구분야
서울아산병원 디지털헬스케어(Digital Healthcare) 연구실은 생체신호 및 의료데이터† 기반의 질병 예방, 진단, 치료, 관리 기술 개발을 목표로 한다. 우리 연구실은 IoT 생체신호 측정 및 모니터링 시스템, 생체신호처리, 의료정보 분석, 의료인공지능, 모바일/웨어러블 헬스케어와 같이 전통적인 의공학부터 디지털헬스케어에 이르는 분야를 연구하고 있으며, 최근에는 의료 디지털 트윈이나 전장유전체 분석을 포함하는 중개 연구로 그 연구 범위를 확장하고 있다.
우리 연구실은 2022년 3월 서울아산병원에서 문을 연 신생 연구실이며, 2022년 9월 현재 지도교수 외 박사후 과정 1명, 박사과정 1명, 석사과정 2명, 행정 지원인력 1명 총 6명으로 운영되고 있다. 우리 연구실의 사명(Mission)은 지식과 기술을 사용하여 인류의 행복한 삶을 진일보 시키기 위한 해답을 제공하고, 이러한 추구를 지속할 수 있는 창조적이고 도전적인 전문가를 양성하는 데에 있다.
† 심전도, 광용적맥파, 뇌파, 산소포화도, 근전도, 안전도, 혈압, 호흡, 체온, 심음, 움직임, 수면다원검사 정보 등의 생체신호, 임상(검사) 데이터, 전장유전체 데이터, 설문데이터 등
최근 관심분야 및 주요 연구과제
생체신호, 의료 데이터 분석 연구
우리 연구실에서는 다양한 생체신호를 임상 또는 모바일 환경에서 사용하는데 필요한 ‘생체신호 특성 분석이나 신호처리’ 등의 기초 연구를 수행하고 있다. 생체신호의 종류로는 심전도, 광용적맥파, 혈압(NIBP, IBP), 호흡, 뇌파, 체열, 움직임, 보행, 근전도, 피부전도도와 같은 다양한 생체신호를 다루어 왔으며, 특정 프로토콜 하에서 생체신호 고유의 특성을 분석하거나, 신호의 특징을 검출하고 (예: QRS 검출), 임상/기초 연구에 요구되는 다양한 지표들 (예: 심박 변이도, 뇌파 주파수 대역 분석 등)을 추출하고 해석하는 연구를 수행 하고 있다. 이 밖에도 생체신호로부터 추출되거나 기존 획득된 의료 정보를 기반으로 질병이나 환자의 상태를 판별하는 ‘생체신호 기반 진단 바이오 마커’를 연구하고 있으며 이 과정에서 생체신호 처리기법을 적용하여 신호를 전처리 하고 다양한 통계 기법이나 인공지능을 활용한 분석 기법을 적용하여 결과를 도출한다.
IoT 기반 생체신호 측정 기술 연구
헬스케어 패러다임은 ‘질병 발병 후 치료’로부터 ‘질병 발병전 예방’, ‘치료후 관리’로 점진적으로 이동하고 있다. 이러한 관점에서 일상생활 중 생체신호 측정 및 모니터링의 중요성이 점점 더 커지고 있으며, 특히 사용자 불편을 최소화하면서 고품질의 생체신호를 획득하는 기술이 요구되고 있다. 우리 연구실에서는 사용자가 일상 생활 중 편리하게 생체신호를 획득할 수 있도록 인체 구속 및 자각을 최소화 하면서, 일상 생활 행동양식 변화 없이 생체신호를 획득할 수 있는 생체신호 획득 기술을 연구하고 있다. 연구 결과로는 매트리스 부착형 스트립 센서 기반 호흡 및 심박동 측정 시스템, 허리 밴드형 이상 보행 모니터링 시스템, 마스크 부착형 호흡 모니터링 시스템, 벨트형 심전도 측정 시스템, 손목형 비침습 연속혈압 모니터링 시스템 등이 있으며, 센서, 시스템, 데이터 획득 어플리케이션, 알고리즘, 유효성 평가 임상시험에 이르는 폭넓은 분야의 연구 경험을 가지고 있다.
멀티모달 생체신호 기반 통증 평가 기술 개발
통증은 개인의 주관적 경험이기 때문에 정확한 수치로 측정되기 어려우며 특히 수술과 같이 대상자의 자의적 표현이 불가능한 경우 더욱 그렇다. 통증 정도의 부정확한 판단은 부적절한 양의 진통제 투여로 이어져 환자의 예후를 악화 시킬 수 있으므로 환자의 통증을 정확히 판단하는 것은 매우 중요하다. 우리 연구실에서는 생체신호 분석을 통해 수술 중 통증(surgical pain)이나, 수술후 통증(postoperative pain), 만성 통증(chronic pain)을 평가하는 연구를 진행하고 있다. 생체신호로는 심혈관계, 자율신경계 정보를 반영한다고 알려진 광용적맥파(photoplethysmogram, PPG)를 주로 사용하며, 이외에도, 심전도나 뇌파, 체열 등의 멀티모달(multi-modal) 생체신호로부터 통증 유관 지표를 탐색하고 통증을 평가할 수 있는 모델을 개발하는 연구를 수행중이다. 모델 개발에는 전통적인 통계 모델부터 규칙모델(rule-based model), 인공지능에 이르는 폭넓은 접근법을 사용한다
심전도, 전장유전체, 심장영상 등의 이종데이터 기반 부정맥 진단 및 예측 기술 개발
심장의 불규칙한 리듬을 의미하는 부정맥(arrhythmia)은 심한 경우 급사(sudden cardiac death)에 이르는 중대한 질환이지만 증상이 나타났다 사라지기를 반복하는 까닭에 증상이 악화된 이후 뒤늦게 발견되는 비율이 매우 높으며 발견 후 항부정맥제나 시술을 통해 치료 하더라도 재발률이 높아 지속적인 관리가 요구된다. 우리 연구실은 부정맥을 조기 진단하거나 치료 후 재발을 예측하기 위한 연구를 진행중에 있다. 현재 연구는 부정맥중 가장 발생빈도가 높은 심방세동(atrial fibrillation, AF)에 대한 연구를 주로 진행중이며, 전장유전체 연구(Genome Wide Association Study, GWAS)를 통해 AF 발생을 조기 예측하는 모델과 GWAS와 더불어 환자의 임상정보, 심전도, 심장영상 등을 함께 사용해서 보다 정교하게 AF 발생을 예측할 수 있는 이종(heterogenous) 데이터 AF 예측 모델을 함께 연구하고 있다. AF 의 경우 전극도자절제술(radio frequency catheter ablation, RFCA) 시술 이후에도 5년 이내 40% 가 재발하게 되어 재발 예측도 매우 중요한데, 가상 심장 모델(virtual heart model) 기반 시뮬레이션 결과를 활용하여 RFCA 시술후 재발 위험성을 예측할수 있는 모델 또한 연구 중이다.
심장 디지털 트윈 기반 부정맥 관리 인공지능 소프트웨어 의료기기 개발
최근 의료분야에서 각광받고 있는 디지털 트윈(digital twin)은 인체와 동일하게 동작하는 디지털 객체를 통해 질병의 발생을 예측하는데 활용될 수 있고, 인체에 유해한 처치를 가하지 않고도 디지털 가상 모델을 통해 각종 시술 및 약제에 따른 인체의 반응을 사전 예측하여 최적 치료법을 찾는데 가용한 기술로 여겨지고 있다. 우리 연구실은 3차원 심장 지오메트리(geometry)와 계산 심장 모델(computational cardiac model)을 기반으로 하는 디지털 심장을 구현하고 인공지능을 통해 부정맥 발생과 치료 기법(항부정맥제, 시술)에 따른 치료 효과 예측, 치료 후 재발예측을 포괄하는 전주기 관리 솔루션을 연구하고 있다.
