ソウル大学病院とネイバーが、健康診断データを活用して個人の生物学的年齢と健康リスクを同時に評価できる人工知能（AI）モデルを開発した。
韓国メガ・ニュース（MEGA News）のキム・ヤンギュン記者の取材によると、ソウル大学病院内分泌代謝内科のチョ・ヨンミン、ペ・ジェヒョン、ユン・ジワン教授チームと、ネイバーデジタルヘルスケアラボのユ・ハンジュ、ムン・ソンウン博士チームは、2003年から2020年までにソウル大学病院江南センターで健康診断を受けた15万1281人のデータを分析した。
このデータには、身体測定、血液、尿検査、肺機能検査、疾病の有無および死亡情報が含まれていた。研究対象者は血糖、血圧、コレステロール（脂質）の数値に基づいて、正常群、疾患前段階群、疾患群に分類された。
AIは血圧、血糖、肺機能、コレステロールなど複数の健康指標を統合的に分析し、個人の生物学的年齢（BA）を予測し、これを実年齢（CA）と比較してその差を算出した。AIは学習した大規模データをもとに、ユーザーの健康指標が過去に生存率が高かった集団と死亡リスクが高かった集団のどちらに類似しているかを分析し、具体的な予測値を提示した。
男女の生理的な違いを反映するために、性別ごとにモデルを個別に学習させた。AIは健康指標の変化が疾病の有無や死亡リスクにどのような影響を与えるかについても併せて学習した。これにより単に生物学的年齢を算出するだけでなく、現在の健康状態が将来的な生存率とどのような統計的関連性を持つのかを評価できるモデルが完成した。
分析の結果、AIモデルは「正常群」「疾患前段階群」「疾患群」を区別した。正常群は生物学的年齢が実年齢よりも低く、疾患群は高く現れた。血糖、血圧、脂質の数値が悪化するほどBAとCAの差が大きくなり、心血管疾患やがんがある場合もこの差が有意に増加した。
男性の場合、非健康群は健康群よりも生存率が統計的に有意に低かった。女性においても同様の傾向が確認された。一方、従来の生物学的年齢予測モデルはこうした差を一貫して区別できなかった。
生物学的年齢（BA）とは、遺伝、生活習慣、環境、疾病履歴などの要因を総合して身体の実際の老化程度を数値で表現した指標。実年齢（CA）よりも生物学的年齢が低ければ健康状態が良好であることを意味し、逆に高ければ老化が進んでいるか疾病リスクが高い可能性がある。
だが、従来の生物学的年齢予測モデルは主に健康な人のデータをもとに作られていたため、慢性疾患者には適用しにくく、死亡リスクを反映できないという限界があった。
チョ・ヨンミン内分泌代謝内科教授は「この研究は、疾病の有病状態と死亡情報を同時に学習した初のトランスフォーマー基盤の生物学的年齢予測モデルであり、ソウル大学病院の臨床データとネイバーのAI技術力が結合し、医療専門性と技術が共に作り上げた成果だ」と述べた。
(c)KOREA WAVE
