한림대학교(총장 최양희) 뇌혈관질환 선도연구센터 연구팀이 국제학술지인 IEEE Internet of Things Journal (JCR 상위 2%), Advanced Functional Materials (JCR 상위 4%), Expert Systems with Applications (JCR 상위 5%)에 논문을 각각 게재하는 성과를 거뒀다.

한림대학교 뇌혈관질환 선도연구센터(Cerebrovascular Disease Research Center)는 의료 AI 및 생체 신호 분석 기반 연구를 바탕으로 뇌혈관질환 관리의 새로운 패러다임을 제시하고 있으며, 최근 연구 성과를 국제 저명 학술지에 연이어 발표하며 학문적 성과를 입증했다. 이번 연구들은 뇌혈관질환 진단 및 전주기 관리 시스템 (Patient Lifecycle Monitoring System, PLMS)의 고도화와 의료AI 기술 발전에 기여할 수 있는 핵심 기술로 평가된다.

뇌혈관질환 선도연구센터는 인공지능 (Artificial Intelligence, AI) 및 생체 신호 분석 기술을 활용하여 뇌혈관질환의 예방, 진단, 치료 및 원격 모니터링 등 뇌혈관질환의 전주기 관리를 목표로 PLMS 개발을 수행하고 있으며, 최근 연구팀은 광용적맥파 (Photoplethysmography, PPG) 기반 의료 인증, 광검출기 기반 신호 증폭, 감성 분석을 활용한 의료 데이터 해석 등 첨단 기술을 적용한 연구 성과를 발표하였으며, 이는 PLMS 시스템 내 핵심 기술로 활용될 전망이다. 

먼저, ‘광용정맥파(PPG) 기반 의료 인증 및 보안 연구’는 이성한 연구교수가 주저자로 참여하고 정인철 교수가 교신저자로 참여하였으며, 웨어러블 디바이스 및 스마트홈 환경에서 활용 가능한 PPG 기반 생체 인증 시스템 (PPGAIHI)을 개발하였다. 본 연구는 PLMS 시스템 내 핵심 컴포넌트 중 하나인 의료 데이터 보안 및 원격 환자 모니터링 및 지원 시스템 (Remote Patient Support System, RPSS)의 핵심 기술로 평가되며, 특히 합성곱 신경망 (Convolutional Neural Networks (CNN) 기반 특징 추출 및 거리 기반 임계값 최적화 (Auto-thresholding) 기법을 적용하여 기존 생체 인증 기술 (지문, 얼굴 인식) 대비 보안성을 강화한 의료 인증 솔루션을 제안하였다. 해당 연구는 IoT 분야에서 권위 있는 저널인 IEEE Internet of Things Journal (JCR 상위 2%)에 게재 승인되었으며, 연구팀은 본 기술을 PLMS 시스템과 연계하여 환자의 실시간 상태 모니터링 및 비접촉 인증을 통한 의료 데이터 보호에 기여할 계획이다.

윤영준 교수가 교신저자로 참여한 ‘광학 신호 기반 생체 신호 검출 기술 연구’에서는 광신호 증폭을 통한 저전력·고감도 광검출기 (Photomultiplication Organic Photodetectors, PM-OPD) 기술을 개발하여 웨어러블 센서 및 스마트 헬스케어 기기의 신호 감지 성능을 극대화할 수 있는 기반을 마련했다. 기존 광검출기의 높은 작동 전압 문제를 해결하기 위해, 광 방출 및 재흡수 기법을 적용하여 낮은 암전류 (10⁻⁹A cm-2)와 높은 검출 감도 (5.0 × 1013 Jones 이상)를 달성하였으며, 해당 연구는 세계적 권위를 인정받는 Advanced Functional Materials (JCR 상위 4%)저널에 게재되었다. 본 연구는 스마트베드 시스템의 심박수 감지 및 광용적맥파 기반 생체 신호 분석에 적용 가능성이 높아, PLMS 시스템의 비접촉 의료 모니터링 기술과 결합할 수 있는 핵심 연구로 평가되며,  또한, 저조도 환경 (10 lux)에서도 높은 신호 증폭을 유지하여, 웨어러블 헬스케어 및 실시간 환자 모니터링 시스템에서 활용 가능성이 크다.

압둘 카림(Abdul Karim) 연구교수가 주저자로, 정인철 교수가 교신저자로 참여한 ‘AI 기반 감성 분석 및 의료데이터 활용 연구’에서는 소셜 미디어 데이터 (X, (구) 트위터)를 활용한 감성 분석 모델을 개발하여 의료데이터 (Electronic Medical Record, EMR) 분석 및 임상 의사결정 지원 시스템 (Clinical Decision Support System, CDSS)에 적용할 가능성을 제시하였다. 기존 연구들이 단일 머신러닝 모델을 사용한 것과 달리 본 연구는 로지스틱 회귀, 랜덤 포레스트, 의사결정나무를 결합한 Long-range dependencies(LRD) 앙상블 모델을 제안하여 감성 분류 성능을 최적화하였다. 해당 연구는 AI 기반 의료 데이터 해석 분야에서 영향력 있는 저널인 Expert Systems with Applications (JCR 상위 5%)에 출판되었으며, 연구팀은 이 기술을 활용하여 PLMS 및 CDSS 시스템에서 환자의 임상 노트 및 의료진의 평가 데이터를 분석하여 맞춤형 치료 가이드 라인을 제공하는 데 활용할 계획이다. 

한림대학교 RLRC 센터는 AI, 의료 빅데이터, 웨어러블 디바이스, 생체 신호 분석 등의 기술을 결합하여 뇌혈관질환 환자의 진단, 치료, 관리 전반에 걸친 스마트 헬스케어 솔루션을 개발하고 있으며, 이번 연구들은 PLMS 시스템의 비침습적 진단 및 인증 기술, AI 기반 의료 데이터 분석, 의료 데이터 보안 강화 등의 분야에서 중요한 기반 기술로 활용될 것으로 기대된다. 

정인철 교수는 “앞으로도 한림대학교 RLRC 센터는 의료AI 및 헬스케어 기술 발전을 선도하는 연구를 지속할 계획”이라며, “국제적인 연구 협력을 강화하여 뇌혈관질환 관리의 새로운 패러다임을 제시할 것이다.”고 전했다.

한편, 본 연구들은 과학기술정보통신부/한국연구재단 지역혁신 선도연구센터 (Regional Leading Research Center, RLRC) 연구 과제의 일환으로써 수행되었다.