5,472쌍 토대로 '학습용, 검증용, 테스트용 데이터셋 생성 알고리즘' 개발
이경준, 김지항 교수팀 "정확도(곡선하면적) 0.89 기존 알고리즘 중 가장 정확"
"임상서 진단 우선순위 분류 객관적 자료, 1차 진단 도구로 활용 기대"
연구 결과, 세계 최고 수준 의료영상 기술학회 MICCAI서 발표
[보건타임즈] 분당서울대병원이 과거와 현재의 흉부 X선 영상을 비교해 병변 변화를 검출하는 딥러닝 기법(그림 참조)을 개발해냈다.
흉부 X선 촬영은 검사 시간이 짧은 데다 비용이 비교적 저렴해 폐렴, 폐암 등 폐질환 진단에 널리 사용되고 있다.
최근엔 의료진을 보조해 엑스선 검사 결과를 판독하는 인공지능 진단 시스템을 개발하는 연구들이 활발하게 진행되고 있다.
기존 흉부 X선 영상에 활용하는 인공지능 진단 시스템을 개발하는 연구 사례를 들여다보면 진단 알고리즘을 만들 때 단일 시점의 영상만 독립적으로 분석했다는 점에서 공통적인 한계가 있었다.
실제 임상에서 검사결과를 판독할 때는 과거와 현재의 영상을 비교, 병변이 시간의 흐름에 따라 어떻게 변화했는지 감지, 이를 진단에 반영하는 것이 매우 중요하다.
이에 분당서울대병원 영상의학과 이경준, 김지항 교수 연구팀은 기존 알고리즘이 지닌 한계를 극복하기 위해 이러한 기능의 딥러닝 기법을 개발함으로써 새로운 기술적 접근법을 제시했다.
먼저 연구팀은 분당서울대병원이 확보한 흉부 X선 영상 총 5,472쌍을 토대로 학습용, 검증용, 테스트용 데이터셋으로 각각 나눠 개발에 들어갔다.
연구팀은 학습용 데이터 4,370쌍으로부터 병변 변화의 기준을 확립하기 위해 X선 촬영 기록이 최소 2회 이상인 환자의 영상과 이를 관찰한 의사들이 작성한 판독문을 추출, 자연어 처리 알고리즘을 사용해 병변의 변화 패턴에 따라 변화 있음, 변화 없음 등으로 다시 소분류했다.
이후 주어진 전후 영상에서 변화를 감지하는 알고리즘은 수집된 데이터를 이용해 기계학습(머신러닝) 기반으로 구현했다.
구체적으로는 딥러닝 모델을 사용해 병변 변화의 특징점을 추출한 후 과거와 현재 두 영상 내 특징점들의 상관관계 맵을 생성해 분석한 다음, 계산된 매칭 상관관계 맵의 분포를 통해 변화 여부를 파악했다.
이후 횡단면적 분석한 기존 연구, 이와 관련된 사전 연구와 성능을 비교해 변화 검출 성능을 검증한 뒤 변화 패턴별 검출 성능을 AUC(곡선하면적)를 산출해 통계적으로 정확도를 분석했다.
이 결과, 연구팀이 사용한 상관관계 맵 방식의 알고리즘의 정확도는 0.89로 나타나, 기존 알고리즘의 0.77~0.82보다 가장 우수한 것으로 확인됐다.
연구팀은 이 연구가 의료영상에 딥러닝을 접목한 사례 중 주어진 두 개의 연속된 영상에서 특정 병변의 시간에 따른 변화를 중점적으로 분석했다는 점에서 의미가 깊다며 앞으로 임상 진단에서 우선순위를 분류하기 위한 객관적 자료로 활용할 수 있을 것으로 내다봤다.
이경준 교수는 "이번에 새롭게 개발한 딥러닝 기법은 급성변화 검출을 포함한 응급상황을 선별하는데 적용하거나, 1차 진단 도구로 활용될 수 있으며 향후 흉부 방사선 자동판독기술의 고도화 연구로 연결될 수 있다"면서, "의료 분야에서 최신 IT 기술을 성공적으로 접목한 사례로 앞으로 융합 연구 활성화에 기여할 것으로 기대한다"며 "이번 연구를 발전시켜 향후엔 실제 임상의가 판독하는 과정을 시뮬레이션해 기존에 개발된 진단 기술의 고도화를 유도하는 것은 물론 변화를 설명하는 자동 판독소견 생성 기법에 활용할 수 있을 것"이라고 밝혔다.
이 연구 결과는 의료영상 기술 분야의 세계 최고 수준 MICCAI(Medical Image Computing and Computer Assisted Intervention, 의료영상기술학회)에서 발표됐다.
이 뉴스클리핑은 BKT뉴스{www.bktimes.net}에서 발췌된 내용입니다.
