폐포 사이 간질 조직이 손상돼 점점 숨쉬기 어려워지는 미만성 간질성 폐질환을 조기에 진단하기 위해 인공지능 기술이 도입됐지만 그 동안 학습 데이터가 부족해 정확도를 높이는 데 한계가 있었다.
 

하지만 김 교수팀이 펄린 노이즈 기법을 의료 영상 분야로 확대 적용해 적은 수의 의료영상 데이터로도 엄청난 양의 데이터를 빠르게 만들어내는 기술을 개발해냈다.

먼저 서울아산병원 영상의학과가 미만성 간질성 폐질환 환자의 고해상도 컴퓨터단층촬영(HRCT) 영상에서 나타날 수 있는 5가지 병변조직 패턴과 6가지 정상조직 패턴 등 100개씩을 판독했다.

이후 김 교수팀은 자체적으로 개발한 펄린 노이즈 데이터 증대 기법으로 무한대의 의료영상 데이터를 만들어낸 후 인공지능 기술에 학습시켰다.

그 결과, 기존의 데이터 증대 기법을 이용한 딥러닝 기반 인공지능 기술 대비 진단 정확도가 9%정도 더 높은 약 90%인 것으로 나타났다.

또한 고해상도 컴퓨터단층촬영 영상 속 폐 병변과 정상 부분을 구분해내는 영역 분할에서도 전문의와 비교했을 때 높은 정확도를 보였으며, 기존 인공지능 기술과 비교해서도 약 10% 정도 성능이 향상된 것으로 나타났다.

김남국 교수는 "의료용 인공지능의 진단 정확도를 높이기 위해 의료영상을 조금씩 변형해서 학습시키는 기술은 존재했지만 무제한으로 데이터를 만들어낼 수 없어 한계가 있었다"고 말했다.

김 교수는 "이번에 연구를 진행한 미만성 간질성 폐질환 외에도 여러 상황적 제약으로 많은 양의 영상데이터를 얻기 힘들었던 질환에 펄린 노이즈 데이터 증대 기법을 활용하면 의료용 인공지능 기술의 진단 정확도를 높일 수 있을 것"이라고 기대감을 표했다.

한편, 이번 연구는 국제학술지 네이처 자매지인 '사이언티픽 리포트(Scientific Report, IF=4.609)' 최근호에 게재됐다