딥러닝(Deep Learning)은 쉽게 말하자면 컴퓨터가 스스로 수많은 정보를 분류하고 학습하는 기술이다. 이세돌 9단과 승부를 펼쳤던 알파고 같은 인공지능(AI)도 딥러닝을 통해 만들어졌다. 딥러닝의 핵심은 인간은 할 수 없는 방대한 정보를 처리해 미래를 ‘예측’하는 것에 있다. 의료계에서는 질병을 더 정확히 진단하고 치료하고자 딥러닝 기술을 활용하고 있다. 이에 딥러닝 기술을 활용한 대학병원의 성과를 소개한다.
■분당서울대병원 “딥러닝 이용한 인공지능으로 신장암 더 정확히 예측한다”
분당서울대병원 영상의학과 황성일, 이학종 교수 연구팀이 딥러닝을 활용해 신장암 CT 영상결과를 분석했더니 병변발견 및 영상진단을 비롯해 신장암의 조직학적 분류예측에 유용했다고 밝혔다.
신장암은 대부분(80~85%) 신장의 실질인 살 부분에서 발생하는 신세포암이 차지한다. 신세포암은 기원하는 세포의 형태에 따라 ▲투명신세포암 ▲유두신세포암 ▲혐색소신세포암 등으로 분류된다. 이는 세포형태에 따라 암이 발생하는 기전이 다르고 같은 항암치료제에도 반응하는 양상이 각기 다르기 때문.
그동안 신장암은 수술할 때 종양을 절제하고 조직검사를 통해 어떤 형태의 암인지 분류한 뒤 세포의 발생형태나 다른 장기로의 전이여부를 따져 치료방침을 정했다. 하지만 검사는 수술 후에 시행되다 보니 그 결과를 미리 파악해 환자의 예후를 예측하기에는 한계가 있었다.
이에 연구팀은 신장암 수술 전 신세포암의 종류나 형태를 분류하고자 딥러닝 프로그램에 CT 영상정보를 대입했고 얼마나 정확하게 진단해 내는지 그 정확도를 분석했다.
연구팀은 수술 후 조직검사를 통해 신세포암으로 진단받은 169명의 환자의 CT 검사결과를 토대로 ▲조영제주입 전 ▲조영제주입 후 1분 ▲조영제주입 후 5분 등 총 3개의 영상정보를 하나의 이미지로 정합했다. 해당 이미지를 딥러닝 네트워크 GoogLeNet을 변형한 소프트웨어에 적용해 어떤 형태의 암으로 진단하는지 확인했다. 그리고 최종적인 조직검사 결과와 얼마나 차이가 있는지 비교했다.
분석결과 정확도는 약 85%인 것으로 확인됐다. 아울러 민감도는 64%-98%, 특이도는 83%-93%로 나타났다. 민감도는 실제로 질병이 있을 때 질병이 있다고 진단할 확률을 의미하며 특이도는 실제로 질병이 없을 때 질병이 없다고 진단할 확률이다.
분당서울대병원 영상의학과 황성일 교수는 “지금까지 영상의학과 의사가 예측할 경우 그 정확도는 약 77%-84% 사이였지만 딥러닝 프로그램을 이용하니 기존보다 진단 정확도가 높아졌다”며 “이번 연구로 신장암환자의 예후를 예측하고 그에 맞는 치료방침을 정립하는 데에 많은 도움이 될 것”이라고 말했다. 이어 “더불어 딥러닝 프로그램을 임상에 적용해 활용도를 높인다면 신장암뿐 아니라 다른 고형암의 진단 및 치료에도 도움 될 것으로 전망한다”고 밝혔다.
■고대안산병원 “딥러닝 기술로 치과 엑스레이영상 분석해 골다공증 예측한다”
고대안산병원이 턱뼈 전체를 촬영하는 치과 엑스레이영상에 골밀도검사결과인 T-Score를 대입하여 훈련한 딥러닝 모델이 골다공증환자 선별예측에 유용하다고 밝혔다.
골다공증은 대사성 골질환으로 뼈밀도 감소로 인해 뼈가 약해져 쉽게 골절이 발생하는 전신골격계질환이다. 노화, 폐경, 무리한 다이어트를 비롯해 유전적 요인으로 원인으로 알려졌다. ‘침묵의 질환’이라고 불릴 만큼 별다른 증상이나 통증이 없어 골절이 발생하기 전까지 대부분 인지하지 못한다. 실제 국내 국민건강통계 자료에 따르면 골다공증 인지 및 치료율은 환자 10명 중 1~2명으로 매우 낮았다.
고대안산병원 치과 이기선 교수는 많은 국내외 연구결과 중 골다공증 환자는 전신적인 골밀도감소로 인해 치과용 엑스레이상의 턱뼈에서도 골밀도감소에 따른 특이성이 나타남을 확인했다. 이후 이 같은 특이성을 이용하면 골다공증 유병여부를 선별할 가능성이 높다는 연구결과에 주목하고 딥러닝 기반의 실용화될 수 있는 인공지능 알고리즘개발 가능성을 제시했다.
이기선 교수는 “연구결과 딥러닝 모델의 분별 정확도는 약 86%”라며 “침묵의 질환으로 불리는 골다공증질환 미인지 환자에게 골밀도정밀검사추천 등의 활동이 가능해져 골다동증 인지율상승 및 진행예방 측면에서 효과가 기대된다”고 밝혔다.
이번 연구결과는 골밀도점수(T-Score)를 기반으로 학습한 딥러닝 모델을 기반으로 한다. 또 최신 인공지능(explainable AI)알고리즘 중 하나인 Grad-CAM 알고리즘을 적용해 골다공증환자의 엑스레이와 비골다공증환자의 엑스레이 중 어느 부분을 보고 구분했는지 비교‧분석할 수 있는 국내외 첫 연구결과다.
