△ 국내에서 신개념 의료 AI를 잇따라 개발하고 있다.

국내에서 신개념 의료용 인공지능(AI) 기술이 잇따라 개발돼 의료기기 상용화 기대감을 높이고 있다

1일 의료계 등에 따르면 국내 연구진이 3차원 엑스레이 영상서 하치조신경 자동 확인, 일상 동작으로 근감소증 진행 추적, 복부 엑스레이 영상으로 소아 응급질환 선별 AI 솔루션을 개발하는데 성공했다.

◆ 치과용 3차원 엑스레이 영상서 하치조신경 자동 확인 AI 개발

고려대 안암병원 치과 구강악안면외과 송인석 교수팀은 최근 고려대 구로병원 치과교정과 정석기 교수, 치과 구강악안면외과 임호경 교수, 순천향대학교 컴퓨터공학과 조용원 교수와 함께 치과용 3차원 엑스레이(CBCT) 영상에서 하치조신경의 위치와 경로를 자동으로 찾아내는 인공지능 기술을 개발했다.

하치조신경은 아래턱 치아와 아랫입술의 감각을 담당하는 중요한 신경으로 사랑니 발치, 임플란트, 양악수술 등에서 손상되지 않도록 수술 전 정확한 확인이 필요하다.

하치조신경이 손상되면 아랫입술이나 턱 부위의 감각이 둔해지거나 저린 증상이 생길 수 있고 심한 경우 증상이 오래 지속돼 환자의 일상생활에 영향을 줄 수 있다.

이 때문에 치과와 구강악안면외과 수술에서는 수술 전 영상검사를 통해 신경이 어디를 지나가는지 정확히 확인하는 과정이 매우 중요하다.

영상검사를 위해서는 CBCT를 활용하게 되는데 입과 턱뼈를 입체적으로 보여주고 일반 엑스레이보다 턱뼈 안쪽 구조를 자세히 볼 수 있어 아래턱 신경의 위치를 확인하는 데 도움이 된다.

하지만 하치조신경은 가늘고 길게 휘어져 있으며 사람마다 위치와 모양이 다르고 의료진이 영상에서 신경을 하나하나 표시하는 데 시간이 오래 걸린다. 영상이 흐리거나 신경 주변 뼈의 경계가 뚜렷하지 않은 경우에는 정확한 확인이 더 어렵다는 한계점이 지적되어 왔다.

연구팀은 이러한 한계를 줄이기 위해 인공지능 기술인 CNN과 트랜스포머 기술을 결합한 새로운 딥러닝 모델을 개발했다.

CNN은 영상에서 모양과 경계를 찾아내는 데 강점이 있는 인공지능 기술이며 트랜스포머는 떨어져 있는 부분 사이의 관계를 함께 살펴보는 데 유리한 기술이다.

연구팀은 두 기술의 장점을 결합해 가늘고 복잡하게 이어지는 하치조신경을 보다 안정적으로 찾아내도록 했다.

고려대 안암병원 자료는 모델 개발과 내부 검증에, 고려대 구로병원 자료는 외부 검증에 활용됐다. 이를 통해 한 병원의 자료에만 맞춰진 기술이 아니라 서로 다른 병원과 장비 환경에서도 성능을 확인했다.

연구팀은 인공지능이 찾아낸 하치조신경의 위치가 전문가가 직접 표시한 위치와 얼마나 잘 맞는지 확인했다. 

그 결과 연구팀이 개발한 모델은 기존 대표 인공지능 모델과 비교해 하치조신경 위치 일치도를 약 5% 개선하고 신경 경계의 평균 오차를 최대 약 19% 줄였다. 또 신경 경계의 평균 오차가 약 1mm대 수준으로 나타나 얇고 길게 이어지는 하치조신경의 위치와 경계를 보다 안정적으로 확인할 수 있음을 보였다.

특히 연구팀의 모델은 하치조신경처럼 얇고 긴 구조가 중간에 끊기지 않고 이어지도록 분석하는 데 강점을 보였다.

향후 임플란트, 사랑니 발치, 양악수술 등 턱뼈 주변 시술 전 하치조신경의 위치와 경로를 더 정확히 파악하는 데 활용될 수 있으며 이를 통해 신경손상의 가능성을 최소화 하고 진단과 치료의 정확도를 높이는 데 도움이 될 것으로 기대된다.

연구팀은 또 환자의 후유증과 추가 치료 부담을 줄여 의료·사회적 부담을 완화하는 데도 기여할 수 있을 것으로 전망했다.

◆ 일상 동작으로 근감소증 진행 추적 AI 'MAISE' 개발

광주과학기술원(GIST) AI융합학과 강지연 교수팀은 최근 노년층의 근기능 변화를 추적·분석할 수 있는 인공지능(AI) 기술 'MAISE'를 개발했다.

이 기술은 별도의 센서 착용이나 고가 장비 없이 의자에서 일어나기, 물건 집기 등 일상적인 움직임만으로 발목·무릎·고관절의 근기능 상태를 추정하고 근감소증 진행 정도를 수치로 확인할 수 있는 것이 특징이다.

연구팀은 노년층의 일상생활에서 수행하는 움직임만으로 근감소증을 관찰할 수 있는 AI 기술 MAISE를 개발했다.

관절의 힘을 계산하는 데에는 사람이 바닥을 밀 때 바닥으로부터 받는 힘인 지면반력이 필요한데 연구진은 이같은 지면반력을 별도의 측정 장비 없이 추정할 수 있도록 AI 모델에 물리 정보를 함께 학습시켰다.

일반적으로 관절의 힘을 정밀하게 분석하려면 힘 측정판과 같은 전문 장비가 필요하다.

그러나 연구팀은 사람의 움직임 정보만으로 이를 추정할 수 있도록 해 일상 환경에서도 근기능을 분석할 수 있는 기반을 마련했다.

그 결과 물리 정보를 적용한 모델은 학습에 사용되지 않은 노년층 동작 데이터에서도 발이 바닥을 딛는 위치를 나타내는 압력 중심 예측 오차를 최대 49.3%, 지면반력 오차를 최대 6.5% 줄였다.

이를 통해 AI가 사람의 움직임을 보다 정확하게 분석해 실제 근기능 상태를 안정적으로 추정할 수 있음을 확인했다.

연구팀은 근감소증 노인과 건강한 노인 총 28명을 대상으로 의자에서 일어서기, 물건 집기, 발판 오르기 등의 동작을 수행하도록 한 뒤 MAISE가 분석한 관절 토크 정보가 실제 근기능 상태와 근감소증 정도를 얼마나 정확하게 반영하는지 검증했다.

분석 결과 MAISE가 추정한 관절 토크 지표는 악력, 보행속도, 5회 의자에서 일어서기 시간 등 현재 임상에서 사용되는 주요 근감소증 평가 지표와 뚜렷한 상관관계를 보였다.

또 근감소증군과 건강군 사이에 관절 토크 패턴의 뚜렷한 차이가 나타나 일상 동작만으로도 비정상적 근기능 저하를 정량적으로 평가할 수 있음을 확인했다.

연구팀은 향후 카메라 기반 비접촉 모니터링 기술로 발전시켜 근감소증의 조기 발견과 맞춤형 관리에 활용될 수 있을 것으로 기대했다.

◆ 복부 엑스레이 영상으로 소아 응급질환 선별 AI 모델 개발

고려대학교 안산병원 소아청소년과 신민수 교수는 최근 의생명연구센터 함성원 교수와 함께 국내 7개 상급종합병원에서 2012~2022년 촬영된 소아 복부 X-Ray 영상 2만6552건을 활용해 장중첩증과 비장비대증을 선별하는 AI 모델을 개발했다.

장중첩증은 영유아에서 가장 흔한 장폐색 원인으로 장의 일부가 인접한 장 안으로 말려 들어가서 발생하며 치료가 늦어질 경우 장 괴사나 천공으로 이어질 수 있는 응급질환이다.

이 질환은 신속한 진단이 중요하지만 복통, 구토, 보챔 등 비특이적인 증상으로 나타나는 경우가 많아 조기 감별이 쉽지 않다. 일반적으로 복부 초음파 검사를 통해 진단하지만 검사자의 숙련도와 진료 환경에 따라 검사가 불가능하거나 진단이 늦어지는 경우가 흔히 발생한다.

비장비대증은 감염성 질환, 혈액질환, 간질환, 악성종양 등 다양한 전신질환의 초기 징후가 될 수 있지만 신체 진찰만으로는 정확한 판단이 어려운 경우가 많다. 주로 초음파나 CT 검사로 확인하지만 검사 접근성과 판독 경험에 따라 정확한 진단에 제약이 발생할 수 있다.

연구팀은 이 중 6개 기관의 데이터를 이용해 딥러닝 기반 AI 모델을 개발하고 내부 검증을 수행했으며 AI 학습에 사용되지 않은 나머지 1개 기관의 데이터는 외부 검증용 데이터 그룹으로 분류했다.

내부 검증 결과 해당 모델은 장중첩증 환자의 약 83%, 비장비대증 환자의 약 81%를 정확히 찾아냈다. 또 정상 환자 역시 각각 약 85%, 83% 수준으로 구별해냈다.

특히 외부 검증에서도 장중첩증 환자의 약 80%, 비장비대증 환자의 약 78%를 찾아내고 정상 환자 역시 83~84% 수준으로 구별해냈다.

이는 해당 AI 모델이 특정 병원 환경에만 최적화된 것이 아니라 다양한 의료 현장에서도 활용될 가능성을 입증하는 결과다.

또 AI의 전반적인 판별 능력을 평가하는 지표인 AUC(Area Under the Curve)는 장중첩증에서 내부 검증 0.851, 외부 검증 0.818을 기록했으며 비장비대 판별 능력도 각각 0.834와 0.806로 나타났다. 일반적으로 AUC 지표가 0.8 이상이면 우수한 성능으로 평가된다.

연구팀은 소아 영상 판독 전문의가 부족하거나 초음파 검사를 즉시 시행하기 어려운 환경에서 의료진의 신속한 의사결정을 돕고 환자의 골든타임을 지키는 데 기여할 수 있을 것으로 기대했다.

Tag

#의료#AI#하치조신경#근감소증#응급질환