SK C&C가 자체 개발 의료·바이오 AI 시스템에 대한 세부 사항을 공개했다. 11월 4일부터 5일까지 열린 ‘SK ICT TECH SUMMIT 2020’에서는 SK C&C가 개발한 영상 판독 AI 모델과 신약개발을 위한 AI 접목 타겟 발굴 서비스를 연구원이 직접 소개했다. 임홍규, 김재협 연구원은 뇌출혈 영상 판독 AI 모델 개발 과정과 알고리즘, 작동 원리를 발표했다.
SK C&C의 뇌출혈 영상 판독 AI 모델은 금년 1월 의료기기 제조 및 품질 관리 기준(GMP) 적합 인증을 획득, 현재 서울대병원과 아주대의료원에서 임상 실험 중이다. 개발 데이터로는 1차적으로 아주대의료원, 다음으로 서울대병원 CT 영상을 활용했다.
최초 학습모델 구축은 서울대병원과 아주대의료원 영상전문의가 직접 판독한 CT 영상 데이터를 딥러닝 학습하는 방식으로 진행했다. 양 의료기관에서 2000명 환자 데이터와 1000명 정상인 데이터를 확보해 연구에 사용했다. 정상인 뇌 CT 학습에는 대용량 데이터가 필요한 만큼 미국 RSNA 데이터도 학습에 포함했다.
AI 모델 설계 단계에서 연구진은 의사가 뇌 영상에서 뇌출혈을 판독하는 원리를 참고했다. 비정상적인 뇌 영역을 먼저 찾은 후, 이에 대해 뇌출혈 여부를 판정하는 것이다. 또한 뇌 CT 영상 데이터 구조가 3차원 대상을 찍은 연속적인(Sequential) 2D 이미지 오브젝트라는 것을 설계 포인트로 잡았다.
첫 번째 알고리즘 개요에서는 먼저 제너레이터(Generator)가 정상인 뇌 CT 분포에 대한 학습을 수행한다. 동시에 인코더(Encoder)가 비정상 신호와 정상인 뇌 영상 간 관계를 자동 학습한다. 이후에는 앞쪽 단에서 학습한 디스크리미네이터(Discriminator)가 붙어 학습을 돕는다. 결론적으로 인코더와 제너레이터가 오코인코더로 구조화해 비정상 예측 모델을 구축한다.
하나의 뇌에 대한 여러 개 CT 영상을 분석하기 위해서는 컨볼루셔널(Convolutional) 모델이 필요하다. 다수 컨볼루셔널 영역에서는 자신의 로스(loss)값과 리커런트(Recurrent) 로스값 2개를 학습한다. 리커런트 영역에서는 최종 판정 결과에 따른 로스값을 학습하는 방식으로 구축했다.
SK C&C 비전 AI의 이미지 세그멘테이션(Image Segmentation) 기술과 뇌 CT 영상·판독 데이터 8만여장을 사용해 모델을 학습시킨 결과 전문의급 판독 정확도를 보였다.
완성 모델은 연속적인 CT 데이터로부터 이미지를 뽑아내 뇌 비정상 여부를 판정하는 모델로 보낸다. 뇌출혈 영역 의심이 되는 비정상 맵을 추출하면 이를 분류(Classification)한다. 이후 슬라이스 단위 뇌출혈 판독 위치 결과값, 슬라이스 단위 뇌출혈 스코어, 환자 단위 뇌출혈 스코어 3개를 병원 팍스 시스템으로 전송하는 방식이다.
임홍규 연구원은 뇌출혈 판독 AI 모델 개발 배경에 대해 “응급 상황에서 적시 치료가 굉장히 중요한 뇌출혈 진단, 치료를 개선한다는 데서 국민 건강 증진에 큰 영향을 미칠 수 있다. 영상의학전문의가 부족한 국내 의료 현장에서 AI가 효과를 발휘할 수 있는 영역이기도 하다”고 말했다.
김재협 연구원은 “향후 SK C&C는 병원 내 디지털 의료 영상 저장 전송 시스템으로 대용량 영상 데이터를 보유한 팍스(PACS)와 자사 모델을 연결할 계획이다. 더 먼 미래에는 웨어러블 기기를 비롯한 디지털 기기로 수집되는 라이프로그 데이터, 유전체 정보도 결합할 것”이라고 전했다.
