산모의 기본적인 정보를 넣는 것만으로 저체중 아기를 낳을 위험을 예측해주는 인공지능 모델이 나와 주목된다.

특히 이 모델은 머신러닝 알고리즘과 관계없이 94%의 높은 정확도를 보이면서 임상 적용에 대한 기대감을 높이고 있다.

현지시각으로 17일 국제학술지 BMC 임신과 출산(BMC Pregnancy and Childbirth)에는 저체중 아기 출산 예측 인공지능에 대한 검증 연구 결과가 게재됐다(10.1186/s12884-025-07351-3).

저체중 아기는 출산 시 2.5kg 이하로 태어나는 신생아를 의미하며 사망 위험이 무려 20배나 높다는 점에서 경각심이 높아지고 있다.

특히 성인이 된 후에도 신경계 이상 및 심혈관 질환, 당뇨병, 성장 장애가 발생할 가능성도 매우 높은 것이 사실이다.

브라질 상파울루 의과대학 파트리시아 론도(Patrícia Rondó) 교수가 이끄는 연구진이 이를 예측하는 인공지능 모델 개발에 나선 배경도 여기에 있다.

만약 산모의 정보만으로 저체중 아이 출산을 예측할 수 있다면 모자 건강에 큰 도움이 될 수 있다는 판단에서다.

이에 따라 연구진은 임산부 1579명의 데이터를 기반으로 합성 소수 집단 과표본 추출 기법(SMOTE)를 적용해 인공지능을 활용했다.

머신러닝 모델은 Random Forest, XGBoost, Catboost, and LightGBM 등 총 네가지가 활용됐다.

임산부의 데이터를 80/20 학습-검정 분할과 10배 교차 검증을 사용해 학습시킨 결과 이 인공지능 모델은 매우 높은 정확도를 기록했다.

XGBoost가 인공지능의 정확도를 의미하는 수신자 조작 특성 곡선(AUROC) 0.941을 기록하며 매우 높은 수치를 보였기 때문이다.

또한 CatBoost(0.939), Random Forest(0.938), LightGBM(0.941) 모델도 모두 94% 내외의 정확도를 보이며 높은 예측 능력을 기록했다.

연구진은 이를 활용하면 향후 저체중 아이 출산에 따른 위험 감소에 획기적 전환점이 될 수 있을 것으로 기대하고 있다.

파트리시아 론도 교수는 "머신러닝과 SMOTE를 결합한 방식은 저체중 아이 출산 예측에 매우 효과적인 성능을 보여줬다"며 "향후 고위험 임신을 파악하고 조기 개입을 통해 주산기 결과를 개선하는데 광범위하게 활용할 수 있을 것"이라고 밝혔다.