직업환경의학 분야 첫 AI 활용 연구...정확도 95%
가톨릭의대 공동연구팀, 영상진단 보조 활용 가능성 제시
인공지능의 하나인 '딥러닝(Deep Learning)' 기술을 이용해 직업성 폐 질환인 '진폐증'의 진단 정확도를 높일 수 있다는 연구결과가 발표됐다.
근로복지공단은 영상 판정을 통해 진폐증 환자에 대한 국가산업재해 보상을 시행하고 있어 영상 판정이 매우 중요하다.
한 해 약 1만 명이 진폐증 심사를 신청, 약 20%(2000명)가 장해판정을 받고 있다.
문제는 주요 호흡기 질환과 달리 근로복지공단 산하 병원과 일부 진폐 진료 병원에서 진단과 진료를 맡고 있어 의료정보 접근성이 제한적이고, 판정을 둘러싼 분쟁이 계속되고 있다는 것.
진폐증이 아닌 환자까지 심사하다 보니 기간도 오래 걸리고, 진폐 심사위원이 3년 마다 바뀌다 보니 진단의 정확성과 일관성 있는 심사 기준이 절실한 실정이다.
영상 판정을 둘러싼 심사·재심사·행정소송 등 분쟁으로 인한 의료기관의 인력 낭비와 국가적 손실도 만만치 않다.
진폐증 진단 영역에서 정확하고, 일관성 있는 심사를 위해 전문의 진단을 보조할 수 있는 인공지능 딥러닝 기술 개발의 필요성이 꾸준히 제기되는 이유다.
명준표 가톨릭의대 교수(서울성모병원 직업환경의학과)·강상훈(한국 IBM)·최준(가톨릭의대 직업환경의학교실 연구원) 공동연구팀은 2011년 5월∼2017년 3월까지 서울성모병원에서 진폐 진단을 받거나 기존에 진폐 판정을 받고 진료받고 있는 1200명의 영상을 활용한 딥러닝 연구결과, 95%의 진폐증 진단 정확도를 얻었다고 밝혔다.
공동연구팀은 단순흉부방사선 영상과 컴퓨터 단층촬영에서 모두 진폐가 확인된 영상을 연구군으로, 서울성모병원 검진센터에서 검진받은 60세 이상 일반 수검자들의 영상을 대조군 영상으로 활용했다.
영상의 질적 일관성을 유지하기 위해 근로복지공단 폐질환연구소에서 제작·보급한 한국진폐표준디지털영상(KoSDI)를 추가, 진폐영상 판정의 정확도를 높였다.
공동연구팀은 진폐영상 데이터를 기계 학습이 가능한 합성곱 신경망네트워크(Convolutional Neural Network, CNN) 방법을 이용, 특성을 추출했다. 또 엔비디아(NVIDIA)사의 테슬라 P100 8기를 병렬연결, 가속 연산을 활용해 판정보조시스템을 훈련했다.
공동연구팀은 서울성모병원 영상을 활용한 훈련 시 진폐 여부는 96%의 정확도를 보였고, 검정(validation set) 시 93%의 정확도를 보였다고 밝혔다. 최종적으로 한국진폐표준디지털영상(KoSDI)을 이용한 추가 분석에서는 검정 시 95%의 정확도를 보였다.
이번 연구는 한국연구재단 국가 R&D 신진연구과제의 지원을 받아 수행했다. 기술자문을 맡은 한성원 고려대 교수(산업경영공학부 융합데이터분석연구실)팀은 의학·공학 융복합 연구진의 협력을 통해 딥러닝 모델을 제시했다.
명준표 교수는 "영상의학과 전문의들이 진폐증 판정 시 진단보조로 활용할 수 있을 것"이라며 "추가 연구를 통해 서울성모병원에서 축적한 석면 피해 구제 및 가습기 살균제로 인한 폐손상 등 환경성 질환 영상 판정에 진단보조 프로그램 역할을 확대하고, 점차 증가 추세인 환경성 질환을 예측하는 데도 인공지능을 적용해 다양한 활용 모델을 개발할 수 있을 것"이라고 전망했다.
이번 연구결과는 제59차 대한직업환경의학회 학술대회에 발표됐다.
