김형찬 교수"향후 삼출성 황반변성 병변의 정량적 분석에 유용"
논문, 안과학 분야 최고 권위 학술지 ‘미국안과학회지’에 게재
[보건타임즈] 국내대학병원이 나이와 직접 관련 있는 삼출성 황반변성 병변을 높은 정확도로 빠른 시간 내 구획화 하는 인공지능의 성능을 검증해냈다.
나이관련 환반변성은 시력에 매우 중요한 역할을 하는 망막 환부에 여러 변화가 동반, 발생하는 안과질환이다.
즉 황반변성(macular degeneration)은 눈의 안쪽 망막의 중심부에 위치한 신경조직 황반이 노화, 유전적인 요인, 독성, 염증 등에 의해 기능이 떨어지면서 시력이 감소되는 나이와 밀접하게 관련이 있는 질환이다.
심할 땐 시력을 완전히 잃게 된다.
이중 90%는 비삼출성, 나머지 10%는 삼출성이다.
삼출성 황반변성은 중심시력이 손실되며 질환이 악화되는 속도가 빠르다.
이 안과질환은 발병 후 수 주내 심하게 시력이 상실돼 2개월에서 3년 안에 실명할 수 있다.
이 때문에 의심 시 즉시 안과 전문의의 진료가 필요하다.
건국대병원 안과 김형찬 교수(사진)팀이 딥러닝 기반의 인공지능 모델이 삼출성 나이관련 황반변성 환자에게서 관찰되는 병변들을 빠른 시간 내에 구획화 하는 것을 검증했다고 밝혔다.
김 교수팀은 삼출성 나이관련 황반변성 환자의 빛간섭단층촬영에서 관찰되는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리를 딥러닝 기술인 컨볼루션 신경망(Convolutional Neural Network, CNN)을 이용해 자동으로 구획화 해 안과 전문의가 진단한 데이터와 서로를 비교, 분석했다.
먼저 김 교수팀은 삼출성 나이관련 황반변성 환자 93명, 93안에서 빛간섭단층촬영 영상을 찍은 후 각각에서 10장의 B-scan을 무작위로 추출, 총 930장을 확보했으며 이중 550장은 회전, 늘임, 줄임 등의 변화를 거쳐 11550장으로 증강시킨 후 신경망 학습에 활용했으며 140장은 학습 과정이 적절하게 이뤄지는지 확인하는 용도로 사용했다.
남은 240장은 훈련된 학습망의 테스트에 쓰였다.
김 교수팀은 인공지능과 2명의 안과 의사간의 Dice coefficient(다이스 계수), 양성예측도, 민감도, 상대면적차이, 급내상관계수와 구획화에 사용한 시간을 확인했다.
이 결과, 240장의 시험데이터를 통해 신경망과 안과 의사 1간의 다이스 계수가 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리 순서로 0.78, 0.82, 0.75, 0.80로 나타난 것을 확인했다.
양성예측도는 0.79, 0.80, 0.75, 0.80, 민감도는 0.77, 0.84, 0.73, 0.81로 나타났다.
상대면적차이는 –4.32%, -10.00%, 4.13%, 0.34%로 10%이내였으며 급내상관계수는 0.98, 0.98, 0.97, 0.98로 높게 측정됐다.
신경망과 의사 2간, 의사 1과 의사 2간의 결과도 유사했다.
진단의 정확도 면에선 안과의사와 신경망이 유사한 결과 치가 나왔다는 게 김 교수의 설명이다.
반면 시험 데이터 구획화에선 신경망은 약 10초로 의사 약 10시간보다 속도가 현저히 빨랐다.
김 교수는 "컨볼루션 신경망이 상대적으로 훨씬 짧은 시간에 다양한 삼출성 나이관련 황반변성 병변의 구획화를 정확하게 수행했다"면서 "향후 병변들의 정량적 분석에 유용할 것"이라며 이번 연구의 의미를 밝혔다.
이 연구를 다룬 논문은 안과학 분야의 최고 권위 학술지 '미국안과학회지(American Journal of Ophthalmology(AJO) 7월'에 게재됐다.
이 뉴스클리핑은 BKT뉴스{www.bktimes.net}에서 발췌된 내용입니다.
