DGIST, CT 영상으로 코로나19 폐렴 진단하는 AI 모델 개발...정확도 98.6% < AI기술 < 기사본문

CT 로 구분 힘든 일반 폐렴과 코로나 분류하는 딥러닝 모델 개발
다양한 데이터에도 높은 정확도 확인되면 상용화 가능성 높아
AI 활용한 폐렴 진단 분야 발전에 기여 희망

김미정 기자
업데이트 2021.10.01 09:49
입력 2021.09.30 18:23
댓글 0

이 기사를 공유합니다

미니 인터뷰(Mini Interview)

◆ 연구를 시작하게 된 계기는

코로나19 같은 상황에서는 의사가 충분한 시간을 투자해 학습 데이터 셋을 구축하기 힘들다. 따라서 의사 최소한의 노력으로 구축된 학습 데이터를 이용해 높은 성능을 보이는 딥러닝 모델을 제안할 필요가 있었다.

◆ 해당 분야에 어떤 기술적인 어려움이 있었나

성능 높은 딥러닝 모델을 학습하기 위해서는 병변에 대한 레이블링이 필요하다. 그러나 3차원 의료 영상 내에 존재하는 다수의 병변들에 대한 레이블을 구축하기가 특히 어렵다. 이런 문제를 해결하기 위한 기법으로 다중인스턴스 학습모델이 제안됐지만, 기존 모델은 분류에 중요한 병변을 효과적으로 찾아내지 못했다. 본 연구에서는 인스턴스들의 특징을 잘 추출해 주기 위한 손실함수를 정의하고 어텐션 모듈을 추가해 극복했다.

◆ 이번 연구는 어떤 의미가 있나

코로나 바이러스뿐만 아니라 다양한 폐렴 진단에 활용할 수 있다. 그러나 다양한 병원에서 수집한 데이터로 검증할 필요가 있다. 만약 다양한 데이터에서도 높은 정확성을 보이면 상용화할 수 있다.

◆ 향후 목표는

폐렴 중증 환자들이 올바른 진단과 치료를 받는 게 목표다. 의료 영상분석 AI를 개발할 때 질 높은 학습 데이터를 구축하기 힘들다. 해당 모델이 데이터 구축이 어려운 여러 의료 인공지능 개발에 활용할 수 있길 바란다.

DGIST 로봇공학과 박상현 교수

CT로 구분이 힘든 세균성폐렴과 코로나 바이러스를 분류하는 딥러닝 모델이 개발됐다.

DGIST(총장 국양) 로봇공학전공 박상현 교수팀은 3차원 영상으로 일일이 확인하지 않아도 AI가 자동으로 CT 영상 내 주요 병변들을 분류할 수 있는 모델을 새롭게 선보였다. 영남대병원 안준홍 교수팀과 협업해 이뤄낸 결과다. 정확도는 98.6%다.

해당 모델은 여러 사례를 종합적으로 고려해 최종 결정을 내릴 때 사용하는 다중인스턴트학습(Multiple Instance Learning)을 적용했다. CT 영상에서 폐렴 병변들의 위치를 집중적으로 확인할 수 있는 어텐션 모듈로 성능도 올렸다. 비지도 학습 기반인 대조 학습(Contrastive Learning)으로 환자별 특징 추출 분류 기능까지 개선했다.

박상현 교수는 “이번 연구를 통해 코로나19 진단 성능을 크게 향상시켜 주었을 뿐만 아니라, 다중인스턴스학습 인공지능 분야에도 큰 개선을 보인 모델이다”며 “향후 관련 기술을 좀 더 개선한다면 다양한 폐렴 진단에 활용될 수 있다"고 말했다.

현재 CT 영상을 활용한 코로나19 진단에 딥러닝 기술을 적용하는 연구가 활발하다. 그러나 코로나19 폐렴과 일반 폐렴의 차이는 적다. 의사가 충분한 시간을 투자해 병변을 일일이 표시할 수도 없기에 기존 딥러닝 모델은 성능이 낮다. 해당 모델은 정확성 98.6%로 성능 향상에 큰 개선을 보였다. 이번 연구 결과는 의료영상분석 상위 저널 'Medical Image Analysis'에 올해 8월 게재됐다.

AI타임스 김미정 기자 kimj7521@aitimes.com