The Science Times

미국 캘리포니아(샌디에이고)대 쉴리 안연구소와 중국, 독일, 미 텍서스대 공동연구진이 인공지능과 기계학습 기술을 이용해 위험한 망막질환을 가려낼 수 있는 새로운 컴퓨터 도구를 개발했다. 이에 따라 흔하지만 심하면 눈을 멀게 할 수 있는 눈 질환의 진단과 치료가 더욱 빨라지게 됐다.

연구팀은 또 이 기술로 소아 폐렴을 신속하게 선별하는 성과도 거뒀다. 이 연구는 생명과학저널 ‘셀’(Cell) 22일자에 발표됐다.

논문 시니어저자로 UC샌디에이고 의대 쉴리 안연구소(Shiley Eye Institute) 안과교수이자 유전의학 연구소 창립원장인 캉 장(Kang Zhang) 교수는 “인공지능(AI)은 인간 전문가들이 신속하게 수행하기 어려운 거대한 양의 자료들을 분석, 분류할 수 있어 질병의 진단과 관리에 혁명을 일으킬 수 있는 엄청난 잠재력을 지니고 있다”고 말했다. 관련 동영상

인공지능 진단도구로 망막사진을 스캔하는 로봇을 가상한 일러스트 동영상 캡처. CREDIT: Looking Deep: Rise of the Machines / Cell, February 22, 2018 (Vol. 172, Issue 5)

AI 기반 신경망에 기계학습 기술 적용

현재 사용되는 컴퓨터 접근법은 번거롭고 비용도 많이 들며, AI 시스템을 훈련시키기 위해 수백만 개의 이미지를 사용해야 한다. 장 교수팀은 이번 논문에서 AI 기반의 나선형 신경망(convolutional neural network)을 이용, 20만 구 이상의 눈을 광학 단층촬영으로 스캔해 분석한 결과를 소개했다. 이 단층촬영법은 망막에서 반사돼 나오는 빛으로 망막 조직을 2차원 및 3차원으로 재현해 내는 비침습적 기술이다.

연구팀은 촬영 결과를 분석할 때 전이 학습(transfer learning)이라 불리는 기계학습 기술을 적용했다. 한 가지 문제를 풀었을 때 얻은 지식을 컴퓨터에 저장했다 다른 관련문제 해결에 적용하는 기술이다. 예를 들면 망막과 각막 혹은 시신경 같은 눈과 관련된 별개의 해부학적 구조를 인식하도록 최적화된 AI 신경망은 눈 전체 이미지를 조사할 때 각 구조들을 더욱 빠르고 효율적으로 식별해 평가할 수 있다. AI시스템은 이 기술을 이용해 기존 방법보다 훨씬 적은 데이터세트로도 효과적인 학습이 가능하다.

환자의 망막질환 검사 모습 동영상 캡처. CREDIT: Looking Deep: Rise of the Machines / Cell, February 22, 2018 (Vol. 172, Issue 5)

연구팀은 여기에다 각각의 이미지에서 가장 주목되고 결론을 내리는데 기초가 되는 영역을 컴퓨터가 식별해 내는 교합 테스트를 추가했다. 장 교수는 “기계 학습은 종종 그 안에서 무슨 일이 일어나는지 정확히 알 수 없는 블랙박스와 같다”며, “교합 테스트를 통해 컴퓨터가 진단에 필요한 영상이 어디 있는지 알려주고 우리는 컴퓨터가 왜 그런 결론을 내렸는지 파악할 수 있어 시스템이 더욱 투명해 지고 진단 신뢰도가 높아진다”고 설명했다.

황반 질환 30초 안에 95% 정확도로 진단

이번 연구는 돌이킬 수 없는 실명을 일으키는 두 가지 흔한 원인 즉, 황반 변성과 당뇨병성 황반 부종에 초점을 맞췄다. 두 가지 모두 조기 발견하면 치료가 가능한 질환이다. 연구팀은 기계를 이용한 진단을 같은 스캔자료를 검토한 안과 전문의 5명의 진단과 비교했다. AI 플랫폼은 이전 연구에서는 수행되지 않은 전문의 치료 권고와 추천사항도 제시했다.

연구팀은 간단한 훈련을 받은 기계가 숙련된 안과의사와 같은 수행 능력을 보였고, 진단받은 환자가 치료를 받아야 하는지를 30초 안에 95%의 정확도로 결정했다고 밝혔다.

환자의 망막 OCT사진을 살펴보고 있는 연구진 동영상 캡처. CREDIT: Looking Deep: Rise of the Machines / Cell, February 22, 2018 (Vol. 172, Issue 5)

장 교수는 인공지능 기계의 이 같은 진단 속도와 정확성은 의료 진단과 치료에서 중요한 진전을 이룰 것이라고 전망하고, 현재의 건강 관리에서는 환자가 일반의사 진료를 받은 뒤 전문의 진료로 전환되는 시간이 길어서 시간과 자원을 낭비하고 효과적인 치료가 늦어지는 일이 종종 발생한다고 지적했다. 그는 간단하고 상대적으로 저렴한 인공지능 기반 진단도구는 특히 전문의와 의료 자원이 부족한 나라의 여러 지역에서 요긴하게 사용될 수 있다고 말했다.

소아폐렴도 90% 확률로 구분 진단

한편 연구팀은 가슴 X선 사진에 대한 기계 분석을 인공지능과 결합시켜 소아 폐렴 진단에도 진단도구를 시험해 보았다. 소아 폐렴은 세계적으로 5세 이하 어린이들의 가장 큰 사망 원인 중 하나로 꼽힌다. 진단 도구는 90% 이상의 정확도로 바이러스성 폐렴과 세균성 폐렴을 구별해 냈다.

소아 폐렴 X선 사진 동영상 캡처. CREDIT: Looking Deep: Rise of the Machines / Cell, February 22, 2018 (Vol. 172, Issue 5)

바이러스성 폐렴은 우리 몸이 자연적으로 바이러스를 제거하기 때문에 주로 증상을 완화시키는 대증요법을 쓴다. 이에 비해 세균성 폐렴은 건강에 더 심각한 위협이 될 수 있어 즉시 항생제 치료가 필요하다.

장교수는 이번 연구를 통해 AI 기술이 스캔으로 검색된 양성과 악성 병변의 구별을 포함해 수많은 응용 잠재력이 있음을 보여주었다고 말했다. 연구팀은 다른 연구자들이 그 잠재력을 더욱 개선하고, 정교화하고 발전시킬 수 있도록 자료와 도구의 소스를 공개했다.

장교수는 “미래에는 이 시스템을 이용하는 사람들의 더 많은 경험과 자료, 더 향상된 컴퓨터 파워가 모아져 환자들에게 비용 대비 효과가 높은 최선의 치료를 제공할 수 있을 것”이라고 전망했다.

(5654)