이한희 교수, 이보인 교수, 이승철 교수 연구팀
'딥러닝 알고리즘' 기반 소장 병변 정확하게 판독
가톨릭대 의생명공학산업연구원 - 포스텍 '공동연구 성과'
이한희 교수 "인간보다 빠른 데다 정확하게 소장 병변 파악, 판독된 영상 2차 검증 가능"
논문, 'Digestive Endoscopy 2020년 8월호 온라인판'에 게재
[보건타임즈] 국내 연구진이 소장 캡슐 내시경 영상 판독을 위해 개발한 딥러닝 알고리즘(논문)이 96% 이상의 높은 판독 정확도를 나타냈다.
캡슐 내시경은 알약 모양으로 입을 통해 삼켜 식도, 위장, 소장 등을 촬영, 이 영상을 분석, 판독해 소화기 질환을 진단하는 데 사용하는 의료기기다.
이렇듯 작은 소형이어서 일반 내시경이 들어가기 힘든 소장을 관찰할 수 있어 원인 모를 복통, 설사, 출혈과 빈혈의 원인, 용종, 궤양, 크론병과 소장 종양 등 다양한 질환의 진단에 활용함으로써 기존 연성케이블 내시경을 대체하는 혁신적 기술로 평가받는다.
캡슐 내시경은 초당 수십 장의 정지 영상을 촬영, 8~12시간 동안의 소화관 촬영으로 약 5만 장 이상의 정지영상이 생성된다.
수 만장의 영상을 의사가 일일이 판독하려면 1~2시간의 장시간 소요되는 불편이 뒤따른다.
또 병변이 아주 작거나 찍힌 영상 숫자가 적었을 땐 판독 자에 따라 진단의 정확도가 떨어진다.
가톨릭대 여의도성모병원 이한희 교수 연구팀(서울성모병원 소화기내과 이보인 교수, 포항공대 산업 인공지능연구소 이승철 교수)은 이러한 영상 판독의 한계를 극복하기 위해 개발한 영상 판독 딥러닝 알고리즘의 판독 정확도를 서로 비교 분석한 결과 이같이 확인됐다고 밝혔다.
연구팀은 2007년 5월부터 2019년 5월까지 시행한 526건의 소장 캡슐 내시경 검사에서 7,556장의 영상을 추출, 추출된 영상을 대표 소장 병변인 ▲ 출혈성 병변(적색 점, 혈관 이형성, 현성 출혈) ▲ 궤양성 병변(미란, 궤양, 협착)으로 각각 분류한 다음 스텍 산업 인공지능 연구실에서 개발한 영상 분석 특화 딥러닝 기법의 하나인 VGGNet 기반의 컨벌루션 신경망(Convolutional Neural Networks, CNN) 알고리즘으로 영상을 분류, 학습시켰다. (그림 판독 이미지)
학습 첫 단계에서는 출혈과 궤양 병변을 개별적으로 학습시키는 합성모델(Combined model), 전체 영상을 정상/비정상으로만 나눠 학습시키는 이분형 모델(Binary model)의 두 가지 방법으로 진행했다.
또 판독결과를 출력하는 두 번째 단계에 Grad-CAM 기술을 적용, 병변 부위를 시각화했다.
여기에 개발된 모델의 검증비교를 위해 모델 훈련에 사용되지 않은 5,760장의 소장 캡슐 내시경 영상을 추가, 합성모델(Combined model)과 이분 형 모델(Binary model)의 판독 정확도를 비교했다.
이 결과 두 모델 모두 96% 이상의 높은 정확도(표 참조)를 보였다.
특히 합성모델은 이분형 모델에 비해 높은 민감도, 즉 소장 병변을 더 잘 발견하는 것으로 나타났다.
Grad-CAM을 통해 이 병변을 정확히 시각화하는 것에선 합성모델이 좀 더 우수했다.
이한희 교수(제1저자)는 "이번 소장 캡슐 내시경 판독 알고리즘 개발로 인간보다 빠른 데다 정확하게 소장 병변을 파악할 수 있으며, 소장의 정상, 비정상 분류를 넘어 개별 병변의 특성을 판단, 시각화된 병변의 위치를 확인함으로써 판독된 영상의 2차 검증이 가능할 것으로 기대된다"면서 "향후 실제 임상에서 효용성을 평가하기 위해 전향적 연구와 첨단 의료기기로서 상용화를 목표로 포스텍과 공동연구를 계속 추진할 예정"이라고 밝혔다.
이번에 개발한 딥러닝 알고리즘은 2005년 국내 최초 대학 간의 공동 연구원으로 개원한 포스텍-가톨릭대 의생명공학연구원의 주요한 연구 성과였다.
포스텍 생명공학 분야의 우수한 연구력과 가톨릭대의 뛰어난 임상 노하우의 결합으로 이뤄낸 값진 결과물이라는 게 연구팀의 설명이다.
이 연구는 한국연구재단 임상의과학자 연구역량강화사업 지원을 받아 수행했다.
이 연구결과를 다룬 논문은 '다이제스티브 엔도스코피(Digestive Endoscopy. IF=4.774) 2020년 8월호 온라인판'에 게재됐다.
이 뉴스클리핑은 BKT뉴스{www.bktimes.net}에서 발췌된 내용입니다.
