일본산업뉴스요약

Nikkei X-TECH_2022.1.25

'멀티모달 AI'를 의료에 응용
환자 정보도 학습한 이미지 진단 AI의 실력은？

이미지나 수치와 같은 서로 다른 형식의 데이터를 통합해 학습하는 ‘멀티모달 심층학습(Multimodal AI)’을 의료 분야에 응용해, 인공지능(AI)으로 이미지 진단의 정확도를 높이는 검토가 진행되고 있다. 실현되면 간단한 검사로 정확도 높은 진단 지원이 가능해지면서 환자나 의료 현장의 부담을 경감할 수 있다.

멀티모달 심층학습을 응용한 질환 이미지 판별 모델을 개발한 것은 도쿄대학 의학부 부속병원과 그루브노츠(Groovenauts, 후쿠오카시)의 연구팀이다. 간 초음파 이미지와 환자 정보를 통합하는 방법으로, 발견된 종양이 양성인지 악성인지를 정확하게 판별할 수 있게 되었다. 선별검사에 이용하는 간단한 초음파 검사로 종양의 질적 평가가 가능해지면, 확정 진단에 필요했던 컴퓨터단층촬영(CT) 등의 정밀검사가 불필요해질 수 있다.

2022년 1월 7일, 국제학술지 'Journal of Gastroenterology and Hepatology'에 연구 성과가 게재되었다. 의료용 이미지를 학습시킨 AI로 진단을 지원하는 의료기기는, 의료용 이미지에 강한 의료기기 업체를 중심으로 벌써 일본에서도 많이 등장하고 있다. 이번 연구가 기존의 이미지진단지원 AI와 비교해 새로운 것은 교사 데이터 학습에 멀티모달 심층학습을 이용하고 있다는 점이다.

일반적인 심층학습에서는 한 종류의 데이터만 다룰 수 있기 때문에, 이번 사례에서는 간 초음파 이미지만을 학습하게 된다. 한편 멀티모달 심층학습에서는 이미지나 수치와 같은 서로 다른 형식의 데이터를 통합해 동시에 학습할 수 있다. 이번 연구에서는 초음파 이미지에 연령, 성별과 같은 환자의 배경 정보나 혈액 데이터 등을 통합한 것을 학습시켰다.

멀티모달 AI를 제공한 그루브노츠의 사이슈(最首) 사장은 “사람들은 보통 복수의 정보를 통합해 사물을 판단한다. 그런 의미에서 멀티모달 AI는 사람의 피부 감각에 가깝다. 게다가 AI는 데이터양이 증가해도 피곤하거나 지치는 일이 없기 때문에 이미지를 비트 단위로 세세하게 해석할 수 있어 보다 정확도를 높일 수 있다”라고 특징을 설명한다.

이번 연구의 목적은 멀티모달 AI를 통해 간 종양의 양성과 악성을 판별하는 정확도가 어느 정도 향상되는지를 검증하는 것이다. 통상의 심층학습으로 초음파 이미지만을 학습시켰을 경우를 모델1로 하고, 모델2에서는 이미지에 환자의 배경 정보(연령, 성별)를 추가하고, 모델3에서는 모델2에 간의 염증 정보를 추가하는 등 단계적으로 진료 정보를 통합해 나간다. 모델1부터 5까지 총 5개의 패턴을 준비, 각 패턴에서 판별의 정확도를 검토했다.

그 결과 진료 정보를 통합해 학습시킨 모델에서 판별 정확도가 더 높아지는 것으로 나타났다. 진단 능력의 지표가 되는 AUROC값(0에서 1의 값을 취하며, 1에 가까울수록 정확도가 높은 것을 나타낸다)으로 비교하면, 이미지만을 학습한 모델1에서는 0.721이었고, 모델2에서는 0.803, 모델3에서 0.9547, 모델4에서 0.9822, 가장 많은 정보가 포함된 모델5에서는 0.994에 달했다.

-- 환자의 부담 경감 및 의료비 삭감 기대 --
간의 선별검사는 복부 초음파 검사로 하는 것이 일반적이다. 다만 초음파 검사는 간단하지만, 이를 통해 얻을 수 있는 이미지는 화질 상태가 좋지 않다. 따라서 초음파 이미지에서 확인할 수 있는 것은 종양의 유무까지다. 종양이 양성인지 치료가 필요한 악성인지 판별하려면 조영제를 이용한 CT나 자기공명영상(MRI) 검사를 통해 혈액순환 등을 질적으로 평가할 필요가 있다.

멀티모달 AI를 응용해 초음파 이미지에 진료 정보를 부가함으로써 초음파 검사 단독으로 종양이 양성인지 악성인지를 판별할 수 있다면, CT나 MRI와 같은 추가 검사를 하지 않아도 될 가능성이 있다. 논문의 제1저자인 도쿄대학 의학부 부속 병원 검사부의 사토(佐藤) 교수는 실용화되었을 때의 이점에 대해 “환자의 피폭이나 의료 종사자의 부담이 경감될 뿐만 아니라 의료 경제적인 효과도 전망할 수 있다”라고 설명한다.

사토 교수에 따르면, 이미지와 수치를 조합한 멀티모달 AI를 이미지 진단 분야에 응용한 예는 세계적으로도 드물다고 한다. 한편, 초음파 이미지에 의한 간 종양의 판별 이외에도 다양한 분야에서 응용할 수 있을 것으로 기대한다.

그루브노츠는 멀티모달 심층학습이나 양자컴퓨팅 기술을 제공하는 클라우드 플랫폼 ‘MAGELLAN BLOCKS’를 전개해 왔지만, 의료 분야에서의 성과를 발표하는 것은 이번이 처음이다. “이번 연구는 다양한 대응을 해 나가는 과정에서 얻은 큰 성과이기 때문에 가능하면 실용화하고 싶다. 의료기기 업체 등 이 분야에 뛰어난 파트너와 협력해 실용화를 추진할 생각이다”(사이슈 사장).

 -- 끝 --

Copyright © 2020 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved.