4차 산업혁명 시대를 앞두고 인공지능은 영상 의학 진단, 수술 로봇, 약물 개발 등 의학에 점점 많은 기여를 하고 있다. 건국대학교병원 안과 김형찬 교수팀은 딥러닝 기반의 인공지능 모델이 삼출성 나이관련 황반변성 환자에서 관찰되는 병변들을 높은 정확도로 빠른 시간 내 구획화 하는 것으로 나타났다고 밝혔다.
연구팀은 삼출성 나이관련 황반변성 환자의 빛간섭단층촬영에서 관찰되는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리를 딥러닝 기술인 컨볼루션 신경망(Convolutional Neural Network)을 이용해 자동으로 구획화 해 안과 전문의와 비교 분석했다.
연구팀은 삼출성 나이관련 황반변성 환자 93명의 눈을 빛간섭단층촬영 영상으로 찍은 후 각각 10장의 B-scan을 무작위로 추출해 총 930장을 확보했다.
AI 황반변성
이 중 550장은 회전, 늘임, 줄임 등의 변화를 거쳐 11550장으로 증강시킨 후 신경망 학습에 활용하고 140장은 학습 과정이 적절하게 이뤄지는지 확인하는 용도로 사용했다. 남은 240장은 훈련된 학습망의 테스트에 사용했다.
연구팀은 인공지능과 2명의 안과 의사 간의 다이스 계수, 양성예측도, 민감도, 상대면적차이, 급내상관계수 및 구획화에 사용한 시간을 확인했다.
그 결과, 240장의 시험데이터에 대해 신경망과 안과 의사 1간의 다이스 계수는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리 순서로 0.78, 0.82, 0.75, 0.80 로 나타났다. 양성예측도는 0.79, 0.80, 0.75, 0.80, 민감도는 0.77, 0.84, 0.73, 0.81로 확인됐다. 상대면적차이는 –4.32%, -10.00%, 4.13%, 0.34%로 10% 이내였고, 급내상관계수는 0.98, 0.98, 0.97, 0.98로 높게 측정되었다.
신경망과 의사 2간에, 의사 1과 의사 2간의 결과도 유사하였다. 진단의 정확도 면에서는 안과의사와 신경망이 유사한 결과치를 낸 것. 반면 시험 데이터를 구획화하는 데 있어서는 의사가 약 10시간, 신경망은 약 10초로 신경망의 속도가 현저히 빨랐다.
김형찬 교수는 “컨볼루션 신경망이 상대적으로 훨씬 짧은 시간에 다양한 삼출성 나이관련 황반변성 병변의 구획화를 정확하게 수행했다”며 “향후 병변들의 정량적 분석에 유용할 것”이라고 연구 의의를 밝혔다.
이 연구는 안과학 학술지인 ‘미국안과학회지(American Journal of Ophthalmology)’에 게재됐다.
