SMART  WebZine

2022년도 하반기

응급실은 다양한 질환의 환자가 찾아오는 공간으로 특정 질환에 집중된 세부임상분과와는 다르다. 뇌질환이 의심되는 응급환자의 경우 뇌출혈이외에도 뇌종양, 뇌경색, 수두증, 뇌동맥류 등 다양한 뇌질환이 원인이 될 수 있다. 이런 환자는 빠른 영상 판독과 이에 따른 빠른 치료가 필수적이다.

 

하지만, 지금까지는 의료영상을 기반으로 환자를 빠르게 분류하는 시스템이 없었고, 최근에 들어서야 뇌출혈에 국한된 인공지능기반 진단 기기들이 나오고 있는 실정이다. 본 연구는 응급 뇌 CT영상에서 딥러닝 기반 이상 감지를 통하여 다양한 질환의 응급환자를 선별분류함으로써 의료진의 뇌질환 위험군의 영상판독을 빠르게 하고 중요 소견에 대한 알람시간을 단축할 수 있다는 것을 밝혔다는 것에 가장 큰 의의가 있다.

​

연구팀은 19년간의 서울아산병원의 3.4만건의 정상 뇌CT 데이터를 이용하여 생성모델을 학습하였고, 테스트 셋으로 2019년 한 달간 서울아산병원 응급실을 방문한 환자의 뇌CT 데이터 544건과 2019년 5개월간 강릉아산병원의 응급실을 방문한 환자의 뇌 CT 1795건으로 내부 및 외부 검증을 하였다.

​

예측하기 어려운 다양한 질환이 불균형적으로 있는 응급실 환경에 적합한 분류모델을 만들기 위해서, 데이터에 민감한 지도학습 보다는, 이런 데이터에 강인한 비지도학습을 이용하였다는 점에서도 본 연구의 장점이 있다. 이 비지도 학습은 정상환자의 뇌 CT를 이용하여 생성모델을 학습하고, 이를 이용하여 실제 환자의 뇌CT영상과 가장 비슷한 정상영상을 생성하게 만들어서, 환자 영상과 비교하여 만들지 못하는 부분을 질환영역으로 특정하여 이상수치를 구하고, 어느부분인지를 알려준다. 이 이상수치로만으로 정상군과 응급환자군을 구분할수 있는 능력이 AUC 진단능 기준으로 내부 검증에서는 0.85, 외부검증에서는 0.87로 일관되게 나왔다.

​

또한 이 시스템을 이용한 경우와 이용하지 않는 경우에 응급환자의 판독 시작 시간이 평균 2.9배 (평균 436.6초에서 147.4초로 개선)빨라졌고, 판독 완료 시간도 2.7배 (평균 457.9초에서 168.7초)로 빨라져서, 유의한 개선이 있음을 임상모의실험을 통해서 밝혔다.

본 연구는 아산융합의학원 대학원생인 이승준 석사과정(제1저자)과 서울아산병원 융합의학과 김남국 · 영상의학과 홍길선 교수 공동연구팀이 수행을 하였다. 김남국 교수팀은 비지도학습 딥러닝 생성모델을 이용한 응급뇌CT 이상감지 기반 응급환자 분류 시스템을 개발하였고, 홍길선 교수님은 데이터 정제, 레이블링, 실제 어떤 도움을 줄수 있는지 시뮬레이션 등을 하였다.

​

특히, 이 연구는 딥러닝기반 비지도학습을 이용하여 응급상황에서 다양한 질환에 강인한 분류 시스템을 만들어서 실제 임상적 효능까지 검증했다는 점에서 의미있는 연구이다. 응급영상의학 전문의인 서울아산병원 홍길선 교수는 “임상현장에 적용하기 위해서는 개선의 여지가 많지만, 다양한 질환의 응급환자의 영상기반 분류 시스템 구축의 방향성을 제시하는 연구” 라고 하였다.

​

또한 융합의학과 김남국 교수는 “실제 의료데이터는 다양한 질환이 불균등하게 분포하여 기존의 지도학습으로는 충분히 잘 가르치기 어려운 측면이 있다. 본 연구는 이런 기존의 문제를 보완할 수 있는 연구로 정상데이터를 이용하여 레이블 없이 비지도학습을 이용하여 충분히 강인한 인공지능을 만들고, 기존의 지도학습기반의 인공지능에 상보적인 역할을 할수 있음을 보여주었다고 생각한다. 향후 이를 발전시켜서 좀더 강인하고 임상에 사용될 수 있는 인공지능을 개발하는 것이 목표” 라고 하였다.

​

​

이번 연구결과는 Nature Communication (인용지수 17.694) 온라인판에 7월 22일에 게재됐다.