예종철 교수 연구팀, 영상판독전문가 보다 17%↑ 선별 진료 활용 시 신속한 진단과 의료자원의 효율적 활용기대
KAIST는 바이오및뇌공학과 예종철 교수 연구팀이 흉부 단순 방사선 촬영 영상으로 신종 코로나바이러스 감염증(코로나19) 진단의 정확성을 획기적으로 높일 수 있는 인공지능(AI) 기술을 개발했다고 25일 밝혔다.
이 기술로 코로나19 감염 여부를 진단한 결과, 영상전문가 보다 판독 정확성이 17%나 향상된 것으로 나타나 코로나19 선별 진료(Triage)체계에 도입하면 신속 진단은 물론 의료자원의 효율적 사용에도 큰 도움이 예상된다.
오유진 박사과정과 박상준 박사과정이 공동 1저자로 참여한 이번 연구결과는 국제 학술지 ‘아이트리플이 트랜잭션 온 메디컬 이미징(IEEE transactions on medical imaging)’의 ‘영상기반 코로나19 진단 인공지능기술’ 특집호 온라인판에 지난 8일자로 게재됐다. 논문명:Deep Learning COVID-19 Features on CXR using Limited Training Data Sets.
컴퓨터 단층촬영(CT)을 이용한 검사도 비교적 높은 정확성을 보이지만 일반적인 X선 단순촬영 검사에 비해 많은 시간이 소요되고 바이러스에 의한 장비의 오염 가능성 때문에 선별 진료에 사용이 어렵다.
또 비용이 적게 들고 비교적 손쉬운 흉부 단순 방사선 촬영(CXR·Chest X-ray)은 여러 폐 질환에서 표준 선별 검사로 활용되고 있지만 코로나19에는 RT-PCR와 CT 검사에 비해 정확성이 현저하게 떨어진다.
이이 따라 세계 각국에서 코로나19 확진자 수가 급증함에 따라 비용이 적게 들어가고 검사방법이 용이한 CXR 검사를 정확성을 높여 활용하자는 요구가 증가하고 있다.
예 교수팀은 자체 개발한 전처리(Preprocessing)와 국소 패치기반 방식(Local Patch-based Approach)을 통해 CXR의 정확성 문제를 해결했다.
예 교수는 “적은 데이터 세트에서 발생할 수 있는 영상 간 이질성(Heterogeneity)을 일관된 전처리 과정으로 정규화한 뒤 국소 패치 기반 방식으로 하나의 영상에서 다양한 패치 영상들을 얻어냄으로써 이미지의 다양성을 확보했다”고 설명했다.
예종철 교수는 “AI 알고리즘 기술을 환자의 선별 진료에 활용하면 코로나19 감염 여부를 상시 신속하게 진단할 수 있다”며 “이를 통해 가능성이 낮은 환자를 배제시켜 한정된 의료 자원을 더 우선순위가 높은 대상에게 효율적으로 배분할 수 있게 해줄 것”이라고 말했다.
[대전=뉴시스]