(왼쪽부터)서울아산병원 융합의학과 김준기 교수, 이대목동병원 비뇨의학과 신정현 교수

증상이 비슷해 감별이 어려웠던 간질성 방광염과 과민성 방광을 소변검사만으로 구분할 수 있는 새로운 진단기술이 개발됐다. 소변 속 미세한 분자 신호를 고감도로 검출하고 인공지능(AI)으로 분석하는 방식으로, 두 질환의 분류 정확도는 최대 92%에 달했다.

울산의대 서울아산병원 융합의학과 김준기 교수와 이대목동병원 비뇨의학과 신정현 교수 연구팀은 표면 증강 라만 분광법(SERS)과 AI 알고리즘을 결합해 간질성 방광염과 과민성 방광을 구분하는 분석기술을 개발했다고 밝혔다.

과민성 방광은 갑작스럽게 소변이 마려운 절박뇨와 빈뇨가 주요 증상이다. 간질성 방광염은 방광 통증이나 압박감을 동반하는 만성 질환으로, 통증을 줄이기 위해 배뇨 횟수가 늘어나기도 한다. 두 질환은 증상이 겹치는 경우가 많지만 원인과 치료법이 달라 정확한 감별이 중요하다.

현재는 환자의 증상과 병력을 종합적으로 평가하고 다른 질환을 배제하는 방식으로 진단한다. 객관적인 진단 보조 수단의 필요성이 제기돼 온 이유다.

연구팀은 소변에 포함된 미량의 분자 신호를 증폭하기 위해 산화아연 나노구조에 금을 결합한 SERS 칩을 제작했다. SERS는 분자 고유의 진동 정보를 라만 스펙트럼으로 측정하는 기술로, 일반 라만 분광법보다 미세한 신호를 높은 감도로 검출할 수 있다. 이를 통해 소변에 포함된 다양한 분자의 변화를 동시에 분석할 수 있다.

연구에는 정상 대조군 117명과 간질성 방광염 환자 19명, 과민성 방광 환자 45명 등 총 181명이 참여했다. 연구팀은 약 5마이크로리터(μL)의 소변을 SERS 칩에 적용해 라만 스펙트럼을 확보하고 집단별 특성을 비교했다.

분석 결과 세 집단은 서로 다른 스펙트럼 패턴을 보였다. 특히 질환에 따라 신호 강도가 높게 나타나는 영역이 달라 분자적 특성만으로도 질환을 구분할 가능성을 확인했다.

연구팀은 여기에 PCA-PLS-DA, PCA-LDA, XGBoost, LightGBM 등 4가지 머신러닝 기법을 적용했다. 그 결과 정상군과 과민성 방광, 간질성 방광염을 구분하는 분류 정확도가 최대 92%에 달했다.

김준기 교수는 "소변에는 단백질과 대사산물 등 환자의 생리적·병리적 상태를 반영하는 다양한 분자 정보가 포함돼 있지만, 이를 개별 물질 단위로 분석하는 데에는 한계가 있었다"며 "이번 연구는 SERS로 소변의 복합적인 분자 정보를 스펙트럼 형태로 확보하고, 여러 머신러닝 알고리즘에서 공통으로 나타나는 질환 관련 특징을 분석했다는 데 의미가 있다"고 설명했다.

이어 "향후 임상 검증을 확대한다면 비침습적인 방광질환 진단 및 모니터링 기술로 활용할 수 있을 것"이라고 말했다.

신정현 교수도 "간질성 방광염과 과민성 방광은 빈뇨와 절박뇨 등 증상이 겹쳐 임상적으로 감별이 쉽지 않은 환자들이 있다"며 "기존 임상 평가를 보완하는 진단 보조 수단으로 발전할 수 있도록 연구를 이어가겠다"고 밝혔다.

연구팀은 앞으로 임상 환자군을 확대해 진단 성능을 검증하고, 질환 중증도와 임상적 아형, 치료 전후 소변 분자 특성의 변화를 분석할 계획이다. 이를 통해 질환 진단뿐 아니라 상태와 치료 반응까지 모니터링하는 기술로 발전시킨다는 구상이다.

이번 연구 결과는 센서·바이오분석 분야 국제학술지 'ACS 센서스(ACS Sensors)'에 게재됐으며, 연구의 우수성을 인정받아 표지 논문으로 선정됐다.