KAIST "AI로 코로나19 진단 정확성 획기적 개선"

방은주 기자 입력 2020. 5. 25. 09:19 수정 2020. 5. 25. 10:32
자동요약 기사 제목과 주요 문장을 기반으로 자동요약한 결과입니다.
전체 맥락을 이해하기 위해서는 본문 보기를 권장합니다.

KAIST(총장 신성철)는 바이오 및 뇌공학과 예종철 교수 연구팀이 흉부 단순 방사선 촬영 영상으로 신종 코로나바이러스 감염증(이하 코로나19) 진단 정확성을 획기적으로 개선한 인공지능(AI) 기술을 개발했다고 25일 밝혔다.

예 교수 연구팀이 개발한 인공지능 기술을 사용해 코로나19 감염 여부를 진단한 결과, 영상 판독 전문가의 69%보다 17%가 향상된 86%이상 우수한 정확성을 보였다고 KAIST는 설명했다.

음성재생 설정
번역beta Translated by kaka i
글자크기 설정 파란원을 좌우로 움직이시면 글자크기가 변경 됩니다.

이 글자크기로 변경됩니다.

(예시) 가장 빠른 뉴스가 있고 다양한 정보, 쌍방향 소통이 숨쉬는 다음뉴스를 만나보세요. 다음뉴스는 국내외 주요이슈와 실시간 속보, 문화생활 및 다양한 분야의 뉴스를 입체적으로 전달하고 있습니다.

새 기술 개발..정확성 86% 이상으로 높여

(지디넷코리아=방은주 기자)KAIST(총장 신성철)는 바이오 및 뇌공학과 예종철 교수 연구팀이 흉부 단순 방사선 촬영 영상으로 신종 코로나바이러스 감염증(이하 코로나19) 진단 정확성을 획기적으로 개선한 인공지능(AI) 기술을 개발했다고 25일 밝혔다.

예 교수 연구팀이 개발한 인공지능 기술을 사용해 코로나19 감염 여부를 진단한 결과, 영상 판독 전문가의 69%보다 17%가 향상된 86%이상 우수한 정확성을 보였다고 KAIST는 설명했다.

이 기술을 세계적으로 대유행하는 코로나19 선별 진료(Triage)체계에 도입하면 상시 신속한 진단이 가능할 뿐 아니라 한정된 의료 자원의 효율적인 사용에 큰 도움을 줄 것으로 기대된다.

예종철 교수(왼쪽부터), 오유진 박사과정, 박상준 박사과정

오유진 박사과정과 박상준 박사과정이 공동 1저자로 참여한 이 연구 결과는 국제 학술지 '아이트리플이 트랜잭션 온 메디컬 이미징(IEEE transactions on medical imaging)'의 '영상기반 코로나19 진단 인공지능기술' 특집호 5월 8일자 온라인판에 게재됐다. (논문명:Deep Learning COVID-19 Features on CXR using Limited Training Data Sets)

세계적으로 확진자 500만 명을 넘긴 코로나19 진단검사에는 통상 역전사 중합 효소 연쇄 반응(RT-PCR, Reverse Transcription Polymerase Chain Reaction)을 이용한 장비를 사용한다. RT-PCR 검사의 정확성은 90% 이상으로 알려져 있으나, 검사 결과가 나오기까지는 많은 시간이 걸리며 모든 환자에게 시행하기에 비용이 많이 드는 단점이 있다.

컴퓨터 단층촬영(CT, Computed Tomography)을 이용한 검사도 비교적 높은 정확성을 보이지만 일반적인 X선 단순촬영 검사에 비해 많은 시간이 소요되고 바이러스에 의한 장비 오염 가능성 때문에 선별 진료에 사용하기 어렵다.

흉부 단순 방사선 촬영(CXR, Chest X-ray)은 여러 폐 질환에서 표준 선별 검사로 활용하고 있지만 코로나19에는 RT-PCR와 CT 검사에 비해 정확성이 현저히 떨어진다. 그러나, 최근 팬데믹으로 세계 각국에서 확진자 수가 급증함에 따라 비용이 적게 들어가고 검사방법이 용이한 CXR 검사 정확성을 높여 활용하자는 요구가 증가하고 있다.

제안하는 코로나19 진단 알고리즘을 통해 얻은 코로나19 확률 분포 특징 지도의 예.

그동안 심층 학습(Deep Learning) 기법을 적용한 CXR 영상을 통해 코로나19를 진단하는 여러 연구사례가 보고됐지만 진단 정확성을 높이기 위해서는 많은 양의 데이터 확보가 필수고, 현재와 같은 비상 상황에서는 일관되게 정제한 대량 데이터를 수집하기가 극히 어렵다.

예 교수 연구팀은 자체 개발한 전처리(Preprocessing)와 국소 패치 기반 방식(Local Patch-based Approach)을 통해 이런 문제점을 해결했다. 적은 데이터 세트에서 발생할 수 있는 영상 간 이질성(Heterogeneity)을 일관된 전처리 과정으로 정규화한 뒤, 국소 패치 기반 방식으로 하나의 영상에서 다양한 패치 영상들을 얻어냄으로써 이미지 다양성을 확보했다.

또 국소 패치 기반 방식 장점을 활용한 새로운 인공지능 기술인 '확률적 특징 지도 시각화(Probabilistic Saliency Map Visualization)' 방식을 활용해 CXR 영상에서 코로나19 진단에 중요한 부분을 고화질로 강조하는 특징 지도를 만들었는데 이 지도가 진단 영상학적 특징과 일치하는 것을 확인했다.

예종철 교수는 "인공지능 알고리즘 기술을 환자 선별 진료에 활용하면 코로나19 감염 여부를 상시 신속하게 진단할 수 있고 이를 통해 가능성이 낮은 환자를 배제함으로써 한정된 의료 자원을 보다 우선순위가 높은 대상에게 효율적으로 배분할 수 있다"고 말했다. 이 연구는 한국연구재단 중견연구자지원사업 지원을 받아 이뤄졌다.

방은주 기자(ejbang@zdnet.co.kr)

Copyright © 지디넷코리아. 무단전재 및 재배포 금지.

이 기사에 대해 어떻게 생각하시나요?