천식, COPD, 간질성 폐질환 등 중증 폐질환을 정확하게 진단하기 위해서는 미세한 기관지까지 분석해야 한다.

​

그 중에서도 특히 기관지의 벽 두께를 파악하는 것이 중요한데, 공기 중 균이나 알레르기를 일으키는 물질들과 싸우게 되면 벽 두께가 두꺼워지기 때문이다. 하지만 기관지는 나뭇가지처럼 두께가 약 1mm 미만인 기관지로까지 계속 갈라져 의료영상에서 보이지 않는 경우가 많으며, 호흡이나 심장 움직임에 따라 영향을 쉽게 받아 정확하게 그 두께를 파악하는 게 쉽지 않다. 실제로 사람이 일일이 파악하더라도 시간이 매우 오래 걸린다는 한계가 있었다. 김남국·서준범 교수팀이 아주 미세한 기관지의 구조뿐만 아니라 두께까지 빠르고 정확하게 분석해내는 인공지능 기술을 직접 개발해 그 동안 흉부 CT 검사로는 조기에 발견하기 쉽지 않았던 중증 폐질환을 빠르게 진단할 수 있게 된 것이다.

연구팀은 2.5D 합성곱신경망(CNN, Convolutional Neural Network)을 적용한 인공지능 기술을 자체적으로 개발해 59명의 폐질환 환자의 흉부 CT 검사 영상자료를 학습시켰다. 2.5D 합성곱신경망은 특정 물체의 가로, 세로, 높이 사진 여러 장을 종합해 3D 이미지를 만들어 학습하는 딥러닝(deep-learning)기반 기술이다. 3D 이미지를 학습하기 때문에 다각도에서 정확하게 분석할 수 있다.

검사영상 학습 후 연구팀은 폐질환 환자 10명의 흉부 CT 검사영상을 활용해 인공지능 기술의 유효성을 검증했으며, 최종적으로 폐 질환자 8명의 흉부 CT 검사 영상으로 인공지능 기술의 정확도와 분석 속도를 시험했다. 그 결과 사람이 직접하는 것 대비 90% 정도의 정확도로 기관지 벽 두께를 파악해냈으며 시간도 약 2분밖에 걸리지 않았다.

김남국 서울아산병원 융합의학과 교수는 "여러 상황적 제약으로 의료진이 의료영상에서 100% 정확하게 모든 기관지를 찾을 수가 없기 때문에 사람 대비 90%의 정확도로 기관지를 2분 만에 찾아낸다는 것은 매우 정확하다고 볼 수 있다"며"인공지능 기술로 흉부 CT 검사 영상을 분석해 미세한 기관지까지 찾아낸 후 영상의학 전문가가 추가적으로 분석하면 중증 폐 질환을 더욱 빠르게 진단하고 치료할 수 있을 것으로 기대된다"고 밝혔다. 이번 연구결과는 의료영상 분석 분야에서 전 세계적으로 가장 권위있는 저널인 `의료 영상 분석(Medical Image Analysis, IF=5.356)`에 최근 게재됐다.

​