국내 연구진이 흉부 방사선 촬영(Chest
X-ray) 영상을 인공지능으로 분석해 신종 코로나바이러스감염증(코로나19)을 진단할 수 있는 기술을 개발했다. 상시 빠르게
진단할 수 있는 기술로 정확도는 86% 정도다. 코로나19 선별 치료의 효율성을 높이는 진단법이 될 것으로 예상된다.
한국과학기술원(KAIST)은 예종철 바이오및뇌공학과 교수 연구팀이 흉부 단순 방사선 촬영 영상을 기반으로 한 코로나19 진단의 정확성을 획기적으로 개선한 기술을 개발해 국제 학술지 '아이트리플이 트랜잭션 온 메디컬 이미징'에 소개됐다고 25일 밝혔다.
인공지능으로 코로나19 진단
24일
서울 성북구 서경대학교에서 열린 SK그룹
상반기 대졸 신입사원 공채 필기시험인 종합역량검사(SKCT)에서 응시자들이 입실을 위해 발열 검사를 받고 있다. 응시자들은 정부 코로나19 방역지침에 따라 시험 중 장갑과 마스크를
착용한 채 시험을 치러야 한다. 시험결과는
다음달
1일
이후 발표된다.
연구팀은 코로나19의 방사선 촬영 영상 데이터가 적은 상황에서 코로나19만의 특징적 영상을 구별할 수 있도록 영상간 이질성을 일관된 전처리 과정으로 구분할 수 있게 한 뒤, '국소 패치 기반 방식'으로 하나의 영상에서 다양한 패치 영상들을 얻어 이미지의 다양성을 얻어냈다. 이어 '확률적 특징 지도 시각화 방식'을 통해 코로나19 진단에 필요한 중요한 부분을 고화질로 강조해주는 특징 지도를 만들었다. 이어 이 지도가 진단 영상학적 특징과 일치한다는 것을 확인했다.
이를 더욱 풀어서 설명하자면 코로나19 감염자의 폐를 찍은 영상 데이터가 많지 않다는 점에서, 정상 폐, 세균성 폐렴에 감염된 폐, 바이러스성 폐렴에 감염된 폐, 코로나19에 감염된 폐의 영상을 수집했다. 이어 인공지능이 코로나19에서만 발현되는 특징을 구분할 수 있도록 했다. 이후 폐가 아닌 영역의 영상에 의한 영향을 최소화 하기 위해 영상을 픽셀 단위로 분할해 폐 영역 안에서 활용 가능한 생체 지표를
찾았다. 이를 통해 코로나19에 걸린 폐를 유의미하게 구분할 수 있는 통계치를 얻었다. 이어 폐 안에서 서로 다른 임의의 영역을 잘라 학습하도록 해 인공지능의 정확도를 높였다. 연구진은 이를 통해 코로나19 감염 폐만의 특징 지도를 만들었는데, 이 지도가
코로나19에 대한 진단학적 특징과 일치하는 것을 확인했다.
정확도 86%
예종철 교수(왼쪽부터), 오유진 박사과정, 박상준 박사과정
연구팀이 제안한 알고리즘은 영상 판독 전문가의 코로나19 진단 민감도인 69%에 비해 17% 향상된 86%의 민감도를 나타냈다. 특히 특징 지도를 통해 코로나19 진단에 중요한
부분을 표시하였을 때도 코로나19 의심 환자에서 병변이 의심되는
여러 부위가 효과적으로 나타냈다.
연구팀은 이 기술이 고도화 된다면 저렴한 비용으로 국내 병원 어디서나 상시 신속하게
코로나19 진단이 가능할 것으로 예상했다. 예종철 교수는 "이번에 개발한 AI 알고리즘을 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 있게 해줄 것"이라고 말했다.
현재 코로나19 진단검사에는 통상 역전사 중합 효소 연쇄 반응(RT-PCR)을 이용한 장비가 사용된다. RT-PCR 검사의
정확성은 90% 이상이다. 하지만 검사 결과가 나오기까지는 많은 시간이 걸리며 모든 환자에게 시행하기에 비용이
많이 든다.
컴퓨터 단층촬영(CT)을 이용한 검사도 비교적 높은 정확성을 보이지만 일반적인 X선 단순촬영 검사에 비해 많은 시간이 소요되고 바이러스에 의한 장비의 오염 가능성 때문에 선별 진료에 사용되기 어려운 상황이다.
