시험관아기시술(IVF)을 앞둔 난임부부가 가장 궁금해하는 것은 ‘이번에는 임신에 성공할 수 있을까’라는 질문이다.
여성의 나이와 난소기능, 배아 상태 등 다양한 요인이 임신 결과에 영향을 미치지만, 이를 종합해 개인의 임신 가능성을 정확히 예측하기는 쉽지 않다.
최근 중국 연구진이 난임 여성 6076명의 진료정보를 인공지능(AI)에 학습시켜 임신 결과를 예측한 연구결과를 발표해 주목받고 있다.
지난 12일 국제학술지 ‘사이언티픽 리포트(Scientific Reports)’에 발표된 연구에 따르면, 중국 지닝의과대학 부속병원 연구진은 시험관아기 시술을 받은 여성 6076명의 임상자료를 활용해 7가지 머신러닝 모델의 임신 예측 성능을 비교했다. 머신러닝은 AI가 대규모 자료에서 일정한 패턴을 학습해 결과를 예측하는 기술이다.
여성 6076명 분석…임신 예측에 중요한 변수 5가지 확인
연구 대상 여성 6076명 가운데 3056명은 임상적 임신에 성공했고, 3020명은 임신에 이르지 못했다. 임상적 임신은 초음파 등을 통해 임신이 확인된 상태로, 실제 아기를 출산하는 생아출산과는 구분된다.
연구진은 전체 자료의 70%를 AI 학습에, 나머지 30%를 예측 성능을 평가하는 내부 검증에 활용했다. 특히 고가의 유전자검사나 특수검사 대신 난임 진료 과정에서 일반적으로 확보할 수 있는 임상정보에 주목했다.
분석 결과 임신 예측에 중요한 변수는 여성의 나이, 항뮐러관호르몬(AMH), 동난포 수(AFC), 배아이식 시점, 난포자극호르몬(FSH) 등 5가지였다. 이 가운데 여성의 나이가 예측 결과에 가장 큰 영향을 미치는 요인으로 나타났다.
가장 우수한 AI 모델도 예측력 0.606…정확도에는 한계
7가지 머신러닝 모델 가운데 가장 우수한 성능을 보인 것은 인공지능 분석기법(XGBoost) 알고리즘이었다. 여러 예측모형을 단계적으로 결합해 결과를 개선하는 AI 기술이다.
그러나 실제 예측 성능은 기대만큼 높지 않았다. 내부 검증에서 XGBoost의 AUC는 0.606으로 나타났다. AUC는 임신한 여성과 임신하지 않은 여성을 얼마나 잘 구별하는지 평가하는 지표로, 0.5는 무작위 추측 수준이며 1에 가까울수록 예측 성능이 우수하다는 의미다.
이번 연구에서 나타난 AUC 0.606은 무작위 추측보다는 나았지만, 개인의 임신 가능성을 신뢰성 있게 판단하기에는 제한적인 수준이다. 민감도는 70.1%였으나, 이를 전체 임신 결과를 70.1% 정확하게 맞혔다는 의미로 해석해서는 안 된다.
AI 활용 가능성 확인했지만…임신과 출산 예측은 별개
이번 연구의 의미는 특별한 검사를 추가하지 않고도 기존 진료정보를 활용해 임신 결과를 예측하는 AI 모델을 개발할 수 있다는 점이다. 향후 더 다양한 임상정보와 배아 관련 자료를 결합한다면 환자별 치료 상담과 의사결정을 지원하는 도구로 발전할 가능성이 있다.
다만 이번 연구는 기존 진료자료를 분석한 후향적 연구로, 다른 병원이나 국가의 환자에게 적용했을 때도 같은 성능을 보이는지는 확인되지 않았다. 또한 예측 대상은 임상적 임신 여부이지 유산 위험이나 최종 생아출산 여부가 아니다.
연구진은 AI의 임상 활용을 위해 예측모델의 성능 개선과 외부 검증이 필요하다고 강조했다.
이번 연구는 AI가 난임 치료에 활용될 가능성과 함께 아직 해결해야 할 과제도 보여준다. 수천 명의 자료를 학습한 AI라도 임신이라는 복잡한 생물학적 결과를 정확히 예측하기는 어렵다는 것이다. 결국 AI는 난임 전문의의 판단을 대신하기보다 환자의 다양한 임상정보를 종합하고 치료 방향을 결정하는 데 도움을 주는 보조 도구로 발전해야 할 것으로 보인다.
※ 중국 지닝의과대학 부속병원(Affiliated Hospital of Jining Medical University)의 린 장(Lin Zhang) 등 연구진이 2026년 10월 12일 국제학술지 ‘사이언티픽 리포트(Scientific Reports)’에 발표한 논문 ‘시험관아기시술을 받는 난임 여성의 임상적 임신 예측을 위한 머신러닝 기반 연구(Machine learning-based prediction of clinical pregnancy in infertile women undergoing in vitro fertilization)’를 토대로 작성했습니다. DOI: 10.1038/s41598-026-75209-5.
