eBook

챕터 3

AI를 사용한 의료 영상의 진보

의료 영상은 아마도 가장 유망한 임상 AI 응용 분야일 것입니다. AI는 암 진단, 골절 감지 또는 신경 또는 흉곽 상태 식별 등의 진단을 의사가 신속하게 내릴 수 있도록 돕고 의사에게 필요한 치료 방안을 제시할 수 있습니다.

중앙에 빨간색, 가장자리에 노란색이 있는 컬러 데이터가 중첩되어 표시된 나란히 놓인 2개의 폐 영상. 둘 다 코로나19일 가능성이 있습니다.

CAM(클래스 활성화 매핑) 시각화 결과는 다양한 코로나19 사례에 대한 AI 기반 모델 평가를 보여주며, 알고리즘의 판단에 대한 근거를 의사에게 제공합니다.

과로 또는 열악한 영상 기법으로 인해 방사선 전문의가 매년 범하는 실수는 약 4천만 건에 이르는 것으로 추정되고 있습니다[4]. 방사선 전문의는 AI 알고리즘을 통해 미묘한 해부학적 구조를 인식하고 임상적 의미를 도출하여 더 수월하게 진단을 내릴 수 있습니다. 또한 AI를 사용하면 훨씬 짧은 시간 안에 대량의 영상을 처리하고 분석할 수 있습니다.

진단 의료 영상 분야의 AI 활용은 광범위한 평가를 거치고 있습니다. 2022년 7월 기준으로 FDA가 승인한 시판 기기 중 75%(391건)는 방사선 영상 분야의 기기였습니다[5].

딥러닝을 사용한 CT 영상 촬영의 방사선 노출 위험 절감

과제

CT(컴퓨터 단층촬영) 영상 촬영의 방사선 노출량은 단일 X선 촬영의 350배에 달하며 암과 같은 다양한 위험과 연관되어 있습니다. 의학 연구자들은 초저선량 CT 스캔을 사용한 방사선 노출 제한을 바라고 있습니다. 그러나 이 접근법으로 촬영하면 잡음이 많고 영상 해상도가 낮아지기 때문에 의사가 해석하기 어렵습니다.

주어진 초저선량 CT 영상으로 훈련하고 있는 컨벌루션 신경망의 계층을 보여주는 다이어그램.

초저선량 CT로 훈련된 CNN. (이미지 출처: Ritsumeikan University)

솔루션

일본 교토에 있는 Ritsumeikan University의 연구원인 Ryohei Nakayama는 초저선량 CT 스캔을 사용해 고해상도 영상을 재구성하는 딥러닝 CNN(컨벌루션 신경망)을 MATLAB에서 만들었습니다.

  • 우선 Nakayama는 MATLAB을 사용해 CT 영상을 작은 국소 영역으로 분할하고 저선량 영역과 정상선량 영역의 쌍을 지어 영상 사전을 만들었습니다. 사전 규모가 커지면서 검색 시간이 수용하기 어려울 정도로 커졌기 때문에 Nakayama는 훈련 시간이 걸리지만 훨씬 빠르게 결과를 산출하는 CNN(컨벌루션 신경망)을 활용할 방안을 모색했습니다.
  • Nakayama는 MATLAB을 사용하여 다양한 입력 크기와 필터 및 다양한 개수의 컨벌루션 계층으로 약 128개의 CNN을 평가했습니다.
  • 훈련 과정을 가속화하기 위해 그는 Parallel Computing Toolbox™를 사용하여 여러 NVIDIA® GeForce 시리즈 GPU에서 병렬로 훈련을 진행했습니다.
  • 훈련 과정을 모니터링하기 위해 Nakayama는 Deep Learning Toolbox™의 모니터링 시각화 옵션을 사용하여 정확도와 손실을 플로팅했습니다.

결과

CNN 기반 시스템은 환자의 방사선 노출을 95%나 줄이면서 의사들에게 비슷한 수준의 진단 정보를 제공합니다.

기사 보기

참고문헌

[4] Bruno, Michael A., Eric A. Walker, and Hani H. Abujudeh. “Understanding and Confronting Our Mistakes: The Epidemiology of Error in Radiology and Strategies for Error Reduction.” Radiographics 35, no. 6 (2015): 1668–1676. https://doi.org/10.1148/rg.2015150023.

[5] Center for Devices and Radiological Health. “Artificial Intelligence and Machine Learning (AI/ML) Enabled Medical Devices.” U.S. Food and Drug Administration. FDA. 업데이트 날짜: 2022년 10월 5일. https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-aiml-enabled-medical-devices