AI로 백내장 환자의 수술 결과 개선

자동차 산업의 AI 모델링 기술을 통해 안과 수술 결과 개선

백내장은 안구의 수정체 내가 혼탁해지는 현상으로 흐린 시야를 유발합니다. 혼탁함의 밀도가 매우 높으면 실명을 초래할 수도 있습니다. 매년 수백만 명이 시력 회복을 위해 백내장 수술을 받고 있습니다. 안과의는 수술 중에 환자 안구의 자연 수정체를 제거하고 IOL(안내 렌즈)이라는 인공 수정체를 대신 삽입합니다. 백내장 환자의 수술 결과는 집도의의 숙련도와 경험에 좌우됩니다. 또한 올바른 굴절력의 IOL을 선택하는 것도 집도의의 몫입니다. 일부 특수한 유형의 IOL은 올바른 굴절력의 렌즈를 삽입하는지가 수술 성패를 좌우합니다.

“우리 모두는 모든 환자의 수술 결과가 완벽하기를 바랍니다. 기존 수학으로는 우리가 원하는 만큼 정확한 답을 얻기가 힘들었습니다.”

사람의 안구 측정값은 사람마다 크게 다를 수 있습니다. 이러한 편차 때문에 최적의 수술 후 결과를 위해 필요한 인공 수정체의 굴절력을 정확히 예측하기란 매우 어렵습니다. 안과의들은 오래전부터 기존의 가우스 광학에 기초한 공식에 의존하여 올바른 IOL 굴절력를 추정해 왔습니다. 이 계산에서는 표준 측정 기법과 일반적으로 쓰이는 다양한 공식이 활용됩니다. 계산 결과가 ±0.50D(디옵터, 굴절력 측정 단위)면 수술 결과가 성공적인 것으로 간주됩니다. 이 계산은 일반적으로 ±0.50D 내에서 78%의 성공률을 보입니다. 전 세계에서 매년 2,800만 명이 백내장 수술을 받고 있는 것으로 추정되기에 이 성공률로는 많은 환자의 수술 결과가 기대 이하일 수 있습니다.

백내장 증상에는 수정체의 황화로 인한 색 지각의 변화, 흐린 시야, 복시 또는 “유령상” 등이 있습니다.

“굴절 결과가 계속 개선되고는 있지만 백내장 수술을 하는 모든 안과의는 때때로 좋은 결과를 내는 데 어려움을 겪습니다. 물론 우리 모두는 모든 환자의 수술 결과가 완벽하기를 바랍니다.” 35년간 백내장 수술을 집도해온 안과의인 Warren Hill 박사는 말합니다. “기존 수학으로는 우리가 원하는 만큼 정확한 답을 얻기가 힘들었습니다.”

Hill 박사는 안과의들의 계산 정확도는 지난 40년간 발전해 왔지만 그 개선 정도는 '고통스러울 만큼 점진적'이었다고 설명합니다. Hill 박사의 말에 따르면 고정관념을 깨고 창의적으로 사고하는 안과의가 부족하다는 것이 문제의 일부인데, 그는 물론 예외입니다. Hill 박사는 숙달된 예술가이자 경험 많은 작가, 뛰어난 실력의 의사로 활동 중입니다. 또한 민간 항공기 조종사인 동시에 여가 시간에는 근접 편대 군용 항공기 시연 팀의 멤버로도 활약하고 있습니다. Hill 박사는 새로운 정보를 끊임없이 탐구하고 있습니다.

새로운 정보를 향한 그의 열정은 백내장 환자별로 다른 안구 구조와 무관하게 개개인의 IOL 굴절력 계산의 개선을 위한 10년간의 노력 끝에 큰 결실을 보았습니다. AI(인공 지능)의 강점을 활용하는 Hill의 접근법은 ±0.50D 수술 성공률을 90%까지 높였습니다.

자동차 업계로부터 얻은 교훈

Hill 박사는 완전히 새로운 렌즈 굴절력 계산 방법이 필요하다는 사실을 깨달았습니다. “안과의는 안과 수술 지식은 풍부해도 수학자 또는 엔지니어로서의 교육을 받는 경우는 거의 없습니다.” 그의 말입니다. “오랜 동안 풀리지 않는 문제를 새로운 방법으로 해결하려면 기꺼이 자신의 전문 분야 밖으로 나올 수 있어야 합니다.”

Hill 박사는 MathWorks가 산업에서 사용되는 수학 툴을 제공한다는 사실을 알았고, MATLAB^®이 환자 데이터 모델링에 유용할 수 있다고 보았습니다. 그는 MathWorks의 엔지니어들과 협력했는데, 그중 한 명은 이와 비슷한 자동차 업계의 모델링 문제인 파워트레인 최적화에 익숙했습니다. 자동차 기업은 엔진 연료 효율성과 성능을 최적화하기 위해 방사형 기저 함수 같은 반응 표면 모델을 사용해서 엔진 제어 설정과 엔진 응답의 관련성을 찾고 엔진 설정의 최적 조합을 파악하여 전자 엔진 제어기에 저장합니다.

MathWorks의 개발 엔지니어인 Pete Maloney는 과거 자동차 업계에서의 경험을 통해 이 접근법에 익숙했습니다. Hill 박사가 백내장 수술 환자를 위한 안내 렌즈의 광학 굴절력을 최적화하고자 MathWorks 팀에 연락했을 때, Maloney는 자동차 엔진 보정 최적화에서 복잡한 엔진 동작을 모델링하는 데 쓰이는 RBF(방사형 기저 함수)를 이와 같은 문제에 적용할 수도 있음을 파악했습니다.

Hill 박사는 “수학에서 아주 새로운 아이디어가 나오기는 비교적 드물지만, 기존 아이디어를 완전히 새로운 방법으로 적용하는 것은 매우 흔한 문제 해결 접근법”이라고 말합니다.

RBF 계산기 함수를 보여주는 스크린샷 — MATLAB에서 개발한 RBF(방사형 기저 함수) IOL 계산기 모델.

예측 RBF 신경망 모델은 고품질 데이터로 훈련해야 합니다. 기존의 안구 측정 데이터는 비일관적이고 때로는 제대로 검증되지 않은 방법으로 수집되었습니다. Hill 박사는 우수한 RBF 모델 피팅과 예측 결과를 얻으려면 일반적으로 가용한 데이터보다 훨씬 더 나은 품질의 데이터가 필요하다는 것을 알았습니다.

Hill 박사는 Baylor College of Medicine의 안과 교수 Doug Koch 박사와 생물의학 통계 분야의 경험이 풍부한 Baylor College of Medicine 안과 부교수 Li Wang 박사에게 연락했습니다. 이들은 이와 같은 프로젝트가 성공하는 데 필요할 정확도 수준을 함께 정리했습니다.

적절한 데이터 수집 방법 및 표준을 마련한 Hill 박사는 자신이 아는 가장 경험이 풍부한 안과의를 참여시키기 위해 미국과 해외의 믿을 만한 동료들에게 참여를 요청했습니다. 이 안과의들은 백내장 수술 전에 Haag-Streit의 고정밀 Lenstar 생체계측기로 환자 안구의 자세한 측정값을 관찰된 수술 후 결과 자료와 함께 수집하기 시작했습니다.

초기 연구에서는 802개의 검증된 측정값과 수술 후 결과를 근거로 인공 지능 모델이 환자의 눈 안에 삽입될 안내 렌즈의 굴절력을 정확히 계산할 수 있다는 전제를 테스트했습니다. 비교적 소규모였던 이 데이터셋의 예측 결과는 Wang 박사가 마련한 기준을 손쉽게 충족했습니다. 이 문제를 해결한 후 프로젝트는 더 진전해서 안과 집도의가 백내장 수술 굴절 결과의 정확도를 개선하는 데 활용할 만한 완전히 새로운 툴을 만들었습니다.

왼쪽은 Lenstar 900 생체계측기. 오른쪽은 수술 전 및 수술 후 특성 측정을 위해 측정되는 안구의 확대 사진이 있는 컴퓨터 모니터. — Hill IOL 계산기를 사용하는 Haag-Streit Lenstar 900 생체계측기. (이미지 출처: Haag-Streit Diagnostics)

명확한 결과 확인

이후 MathWorks는 전 세계 많은 국가의 집도의가 실시한 약 3,400건의 수술 사례를 담은 훨씬 더 큰 데이터셋을 사용했고 이 데이터에 RBF 모델을 피팅했습니다. 팀원들은 시스템 설계, 시뮬레이션 및 테스트를 위한 그래픽 환경인 Simulink^®로 모델을 내보낸 후 모델에서 코드를 생성하여 이를 Lenstar 기기에 배포했습니다. 이 계산기를 Hill-RBF 계산기라고 합니다. 이 계산기는 전 세계의 모든 안과의가 사용할 수 있도록 온라인 버전도 동시에 출시되었습니다.

“현재 Hill-RBF 계산기는 버전 3까지 왔는데, 계속 개선해 나아가다 보면 언젠간 요양원 휠체어에 앉아 버전 48을 개발하고 있지 않을까 생각됩니다.”

2016년에 출시된 이 계산기는 전 세계 안과 커뮤니티에 빠른 속도로 도입되었습니다. Hill의 팀원들은 계산기의 성과를 보고 이 툴을 더욱 개선해 보기로 했습니다. 여기에는 더 많은 안과의와 접촉하고, 이들을 대상으로 데이터 수집 교육을 실시하고, 더 포괄적이고 정확한 AI 모델을 만드는 작업이 수반되었습니다. 전체적으로는 20개국에서 44명의 연구 조사원이 참여했습니다. 모든 집도의의 사례 자료 기증은 자발적으로 이루어졌습니다.

이제 집도의들은 훨씬 더 큰 데이터셋이 통합된 한층 업데이트되고 개선된 버전의 계산기를 사용하면서 결과값의 90%가 ±0.50D의 정확도에 달함을 확인했는데, 이는 더 널리 쓰이는 오래된 기존 가우스 공식의 성공률이 78%인 것과 크게 대조됩니다. 달리 설명하자면, 전 세계적으로 매년 약 2,800만 건의 수술이 실시되므로 결과가 12% 개선되면 수술 성공 사례는 340만 건 더 증가하게 됩니다. 근시 환자의 경우 계산기 성공률은 더욱 높습니다.

Hill 박사는 “이는 안과학 부문의 중대한 발전”이라고 말합니다. “우리는 지난 40년간 IOL의 굴절력를 일관적으로 정확하게 계산하기 위해 노력해 왔는데 많은 분들의 노력 덕택에 정확도를 비약적으로 높일 수 있었습니다.”

Hill 박사가 컨퍼런스에 참석하고 이 주제에 대한 여러 유명 강의를 진행하고 계산기를 전 세계에 소개하면서 그 인기는 꾸준히 높아졌습니다. Hill 박사는 이 툴을 처음부터 온라인에 공개하여 누구나 무료로 사용할 수 있도록 했습니다.

2018년에는 12,000개 이상의 안구에서 얻은 데이터를 토대로 Hill-RBF 계산기 버전 2를 출시하였습니다. 이는 북미 지역에서 Lenstar 사용자들이 안내 렌즈의 굴절력를 추정할 때 두 번째로 널리 쓰이는 계산기가 되었고, 전 세계적으로 200만 건 이상의 수술에 사용되었습니다.

눈 위에서 핀셋으로 들고 있는 IOL의 근접 사진. — 눈에 삽입하기 전의 일체형 아크릴 IOL. (이미지 출처: Warren Hill, M.D.)

최근에 출시된 세 번째 버전은 더 많은 안구에서 얻은 데이터를 활용합니다. 현재 Hill의 팀원들은 중국 등 다른 국가 안과의들과의 협업을 통해 새로운 모집단으로부터 얻은 데이터를 포함하는 완전히 새로운 버전의 계산기를 개발 중입니다. 눈은 모집단에 따라 해부학적으로 차이를 보이는 경우가 많은데, AI IOL 굴절력 선택 모델을 이러한 그룹에 특정적으로 최적화하면 계산 정확도의 개선을 가져올 수 있습니다.

Hill-RBF 계산기의 또 다른 중요한 성과는 환자 개개인의 수술 성공 가능성을 더 정확히 예측할 수 있는 능력입니다. 툴에는 경계 모델이라는 것이 내장되어 있습니다. 이는 훈련 데이터셋 외부 경계의 부가적인 모델(볼록 껍질)입니다. 사람의 눈이 훈련 데이터와 지나치게 편차가 있을 경우, 이 경계 모델은 RBF IOL 예측에서 올바른 렌즈 굴절력를 파악하기 위한 데이터가 부족할 수 있음을 알려줍니다.

Hill 박사는 “수술 전에 정확도가 어느 정도일지 가능성을 알려줄 수 있다는 것은 안과 수술 사상 최초”라고 설명합니다.

그는 이 프로젝트를 진행하면서 매우 큰 보람을 얻고 있으며 전 세계 안과의들의 의견을 받는 데 있어서 특히 그러하다고 말합니다. “수많은 집도의가 이제 이 계산기만 사용하며 놀라운 결과를 얻고 있다고 말해 주십니다.” Hill 박사의 말입니다.

Hill 박사는 그의 부친이 해 주신 '좋은 아이디어보다 더 강력한 것은 없다'는 말씀을 기억합니다. 그는 백내장 수술 IOL 굴절력 선택에 AI를 활용한 일은 일생에 단 한 번 떠오를 만큼 좋은 아이디어로서 전 세계에 자랑스럽게 소개할 만하다고 보고 있습니다.

“그리고 이 계산기는 앞으로 더욱 개선될 것입니다. “현재 버전 3까지 왔는데, 계속 개선해 나아가다 보면 언젠간 요양원 휠체어에 앉아 버전 48을 개발하고 있지 않을까 생각됩니다.”