△ 신개념 의료 AI가 잇따라 개발되고 있다.

국내에서 인공지능(AI)을 활용한 질병 예측·진단 기술이 잇따라 개발돼 의료기기 상용화 기대감을 높이고 있다

4일 의료계 등에 따르면 국내 연구진이 무릎 수술 예후 핵심지표 자동 측정, 흐릿하고 손상된 의료 영상 복원, 수술 중 생체신호 분석해 급성 신손상 위험 예측 AI 솔루션을 개발하는데 성공했다.

서울대병원 정형외과 노두현 교수·김성은 교수팀은 최근 미국 미네소타대, 노르웨이 베르겐대 연구팀과 함께 2009~2019년 촬영된 1만여건의 무릎 관절 측면 엑스레이 영상을 바탕으로 경골 후방 경사각을빠르고 신뢰성 있게 측정 가능한 딥러닝 모델을 개발했다.

연구팀이 개발한 모델은 무릎뼈의 6개의 해부학적 기준점(랜드마크)을 자동으로 인식한다.

이후 각 기준점을 이용해 경골의 관절선과 중심축을 결정하고 이를 바탕으로 기울기를 계산한다.

이 방법은 엑스레이 영상이 짧거나, 실제 거리 측정이 불가능한 경우 등 다양한 임상 조건에서 활용 가능하다는 장점이 있다.

이 모델과 전문의 수기 측정의 성능을 비교한 결과, 딥러닝 모델의 측정 시간이 수기 측정 대비 10배 이상 빨랐다.(평균 2.5초 vs 평균 26.1초)

또 '관찰자 간 상관계수'는 최소 91%로, 이는 딥러닝 모델의 측정값이 전문의의 수기 측정값과 상당히 일치함을 의미한다.

반면 성능의 일관성을 의미하는 '관찰자 내 상관계수'는 수기 측정이 최대 95%였으나 딥러닝 모델은 완벽한 일관성(100%)을 보였다.

추가적으로 후속 연구에서 노르웨이 환자 289명의 무릎 영상을 검증한 결과, 딥러닝 모델과 전문의의 관찰자 간 상관계수는 80%로 나타났다.

이 결과는 경골 후방 경사각을 측정하는 딥러닝 모델이 다양한 인종군을 대상으로 확대 적용 가능함을 시사한다.

연구팀은 이 결과의 경우 국내에서 개발된 의료 AI 기술을 여러 인종에서 성공적으로 검증한 사례로 이 모델이 경골 후방 경사각 측정의 표준으로 자리잡을 수 있도록 후속 연구를 통한 범용성 확대 방안을 모색할 계획이다.

한국과학기술원(KAIST) 바이오및뇌공학과 장무석 교수와 김재철AI대학원 예종철 교수팀은 최근 안개 낀 도로에서 자동차 전조등을 켜도 시야가 흐릿하게 보이는 현상이나, 김 서린 욕실 유리창 너머의 모습이 왜곡돼 보이는 것처럼 빛이 흐트러지는 환경에서도 원래 영상을 선명하게 되살릴 수 있는 기술을 만들었다.

혈액이나 피부 속을 들여다보는 비침습적 의료 진단, 화재 현장의 연기 속 인명 구조, 벽에서 반사된 빛으로 영상을 복원하는 비시선 영상 등 일상과 산업 전반에 활용될 수 있을 것으로 기대된다.

연구팀은 기존 인공지능(AI) 복원 기술이 훈련된 데이터 범위에서만 성능을 내는 한계를 극복하기 위해 광학 모델과 비디오 디퓨전 모델을 결합한 새로운 복원 방식을 제안했다.

특히 시간에 따라 산란 환경이 변하는 경우에도 안정적으로 복원할 수 있도록 연속된 영상의 시간적 상관관계를 학습한 디퓨전 모델을 도입했다. 

그 결과 다양한 거리·두께·잡음 조건에서도 기존 최고 성능의 복원 모델을 뛰어넘는 결과를 얻었다.

또 디퓨전 기반 복원 기술 중 최초로 시간 상관관계를 반영해 움직이는 산란 매질 너머에서 정자의 움직임 패턴을 관찰하는 데 성공했다.

별도의 추가 학습 없이도 안개 제거, 영상 화질 개선(고해상도 프레임 생성), 블라인드 디블러링(흐린 영상 선명화) 등 다양한 상황에서 적응적으로 영상을 복원할 수 있는 최적화 기법을 도입해 범용 복원 프레임워크로 확장될 가능성도 입증했다.

서울대병원 신장내과 이하정·박세훈 교수팀과 융합의학과 김광수 교수팀은 최근 서울대병원·분당서울대병원·보라매병원의 대규모 수술 데이터를 활용해 급성 신손상 발생 위험을 예측하는 AI 모델을 개발했다.

급성 신손상은 암 수술 등 여러 종류의 수술 이후 신장(콩팥) 세포가 손상돼 기능이 급격히 악화하는 질환을 가리킨다. 수술 회복을 늦추고 투석과 사망 위험을 높일 수 있어 집중 모니터링과 조기 치료가 중요하다.

연구팀 개발한 모델은 수술 중 실시간으로 측정되는 혈압, 심박수 등 생체신호를 딥러닝 기술로 분석해 신장 손상 위험도를 조기에 경고한다.

기존 모델은 대부분 수술 전 기초 정보를 토대로 위험을 예측했는데 이번에 새로 개발된 모델은 수술 중인 환자의 상태 변화를 실시간으로 반영한다는 점에서 차이가 있다.

연구팀은 약 11만명의 수술 데이터를 기반으로 훈련과 외부 검증을 진행했고 예측 정확도는 훈련 코호트(집단)에서 79.5%, 검증 코호트에서 76.2%, 78.6%를 기록했다고 설명했다.

연구팀은 모델을 수술실 내 모니터링 시스템과 연계하면 수술 환자의 예후 개선과 의료 안전 수준 향상에 크게 기여할 수 있을 것으로 기대했다.

Tag

#AI#딥러닝#영상#수술#데이터