1. 논문관련 분야의 소개, 동향, 전망을 설명, 연구과정에서 생긴 에피소드

제가 연구한 분야는 약물유도수면내시경(DISE, Drug-Induced Sleep Endoscopy) 영상을 기반으로 한 인공지능 의료영상 분석 연구입니다. 폐쇄성 수면무호흡증(OSA)은 수면 중 기도가 반복적으로 막히는 질환으로, 환자마다 기도가 좁아지는 위치와 양상이 다르기 때문에 정확한 폐쇄 원인을 파악하는 것이 매우 중요합니다. 현재 임상에서는 DISE 검사를 통해 의료진이 직접 영상을 판독하여 폐쇄 정도와 주요 원인을 평가하고 있지만, 의료진 경험에 의존하는 부분이 크다는 한계가 있습니다.

최근 의료 인공지능 분야에서는 단순히 질환을 분류하는 수준을 넘어, 실제 임상 의사결정을 보조할 수 있는 방향으로 연구가 발전하고 있습니다. 특히 의료영상 분야에서는 다기관 데이터를 기반으로 모델의 일반화 성능을 높이고, 실제 임상 환경에서도 안정적으로 동작할 수 있는 AI 기술 개발이 중요한 흐름으로 자리잡고 있습니다. 저희 연구 역시 이러한 흐름 속에서, DISE 영상을 활용해 기도 폐쇄 정도와 주요 원인을 자동으로 분석할 수 있는 딥러닝 기반 모델을 개발하고 검증하는 데 초점을 맞추었습니다.

2. 연구를 진행했던 소속기관 또는 연구소에 대해 소개 부탁드립니다.

저는 가천대학교 의공학과 김광기 교수님 연구실에서 연구를 수행하고 있습니다. 저희 연구실은 의료영상과 인공지능 기술을 융합하여 다양한 임상 문제를 해결하기 위한 연구를 진행하고 있으며, 특히 딥러닝 기반 의료영상 분석, 의료 AI 모델 개발, 다기관 데이터 기반 인공지능 연구 등을 활발히 수행하고 있습니다. 또한 의료영상뿐 아니라 자연어, 정형·비정형 데이터 등 다양한 의료 데이터를 활용한 의료 AI 연구를 수행하며 실제 임상 적용 가능성을 고려한 연구를 진행하고 있습니다. 이번 연구 역시 여러 의료기관과 협력하여 임상 전문의 교수들과의 긴밀한 협업을 통해 실제 임상적으로 의미 있는 방향으로 연구를 수행할 수 있었습니다.

특히 저희 연구실은 산업통상자원부, 보건복지부, 과학기술정보통신부, 범부처전주기의료기기개발사업과 한국지능정보사회진흥원 인공지능 학습용 데이터 구축 사업 등 다양한 국가 연구과제에 다수 참여하며 의료 인공지능 분야 연구를 수행하고 있습니다. 이를 통해 실제 임상 데이터를 기반으로 한 의료 AI 기술 개발을 위한 의료데이터 구축 경험을 지속적으로 쌓아오고 있습니다.

또한, 김광기 교수님께서 가천대학교 스마트의료기기연구소 및 가천대 길병원 의료기기 R&D센터장을 맡고 계셔서 연구에 필요한 다양한 연구 장비와 환경을 직접 활용할 수 있었습니다. 연구실에는 많은 NVIDIA B200, A100 GPU 장비와 대용량 NAS 스토리지 등 의료영상 분석과 대규모 딥러닝 학습에 필요한 고성능 GPU 서버가 체계적으로 구축되어 있어, 다기관 의료영상 데이터를 활용한 인공지능 모델 학습과 분석을 안정적으로 수행할 수 있었습니다.

또한 연구실에서는 단순히 모델 성능을 높이는 데 그치지 않고, 실제 의료 현장에서 활용 가능한 의료 AI 시스템 개발을 중요하게 생각하고 있습니다. 이를 위해 외부 검증과 일반화 성능 평가를 포함한 연구를 수행하며 실제 임상 환경에서 신뢰할 수 있는 의료 인공지능 기술 개발을 목표로 하고 있습니다.

3. 연구 활동 하시면서 평소 느끼신 점 또는 자부심, 보람

연구를 하면서 가장 크게 느끼는 점은 의료 인공지능 연구가 단순히 성능 수치를 높이는 작업이 아니라 실제 환자와 의료진에게 도움을 줄 수 있는 방향으로 이어져야 한다는 것입니다. 특히 의료영상 연구에서는 작은 성능 차이 하나도 실제 임상에서는 의미 있는 차이로 이어질 수 있기 때문에, 결과를 단순히 숫자로만 바라보지 않고 왜 그런 결과가 나왔는지를 끊임없이 분석하는 과정이 중요하다고 생각합니다.

이번 연구를 진행하면서 가장 어려웠던 점은 다기관 데이터에서 안정적인 성능을 확보하는 부분이었습니다. 내부 데이터에서는 성능이 잘 나오더라도 외부 데이터에서는 결과가 기대만큼 나오지 않는 경우가 많았고, 이를 개선하기 위해 전처리 방법이나 모델 구조를 반복적으로 수정하며 실험을 진행했습니다. 시간이 오래 걸리고 시행착오도 많았지만, 결국 외부 데이터에서도 안정적인 성능을 확인했을 때 큰 보람을 느꼈습니다.

개인적으로는 연구를 하면서 "왜 이런 결과가 나왔을까"를 끝까지 고민하는 자세가 중요하다고 느끼고 있습니다. 예상과 다른 결과가 나오더라도 그 안에서 새로운 아이디어나 중요한 단서를 발견하는 경우가 많았고, 그러한 과정들이 연구자로서 성장하는 데 큰 도움이 되었다고 생각합니다.

4. 이 분야로 진학하려는 후배들 또는 유학준비생들에게 도움이 되는 말씀을 해 주신다면?

의료 인공지능 분야는 최근 많은 관심을 받고 있지만, 실제 연구를 해보면 단순히 모델을 구현하는 것보다 데이터를 이해하고 분석하는 과정이 훨씬 중요하다는 것을 느끼게 됩니다. 특히 의료영상 분야에서는 데이터의 특성과 임상적 의미를 함께 이해해야 하기 때문에, 단순히 AI 기술만 공부하기보다는 의료 데이터 자체를 이해하려는 노력이 꼭 필요하다고 생각합니다.

또한 논문이나 프로젝트 결과만 보면 연구가 빠르게 진행되는 것처럼 보이지만, 실제로는 실패와 시행착오의 반복인 경우가 많습니다. 저 역시 모델 성능이 기대만큼 나오지 않아 여러 구조와 학습 방법을 반복적으로 수정하며 오랜 시간 고민했던 경험이 많았습니다. 하지만 그런 과정 속에서 왜 성능이 떨어지는지 원인을 분석하고 해결하는 경험들이 결국 연구자로서 가장 크게 성장하는 부분이라고 느꼈습니다.

후배들에게 꼭 이야기해주고 싶은 점은, 처음부터 완벽한 결과를 만들려고 하기보다 하나의 문제를 끝까지 고민하는 경험을 많이 해보라는 것입니다. 특히 의료 AI 분야는 단순히 높은 성능만 중요한 것이 아니라, 실제 임상에서 왜 필요한 기술인지 고민하는 과정도 매우 중요합니다. 자신의 연구가 실제 의료진과 환자에게 어떤 도움을 줄 수 있을지 생각하며 연구를 진행한다면 더 의미 있는 방향으로 성장할 수 있을 것이라고 생각합니다.

5. 연구 활동과 관련된 앞으로의 계획이 있으시다면?

석사·박사과정 동안은 약물유도수면내시경(DISE) 영상을 기반으로 한 의료 인공지능 연구를 중심으로 수행해왔으며, 특히 폐쇄성 수면무호흡증 환자의 기도 폐쇄 정도와 주요 원인을 자동으로 분석할 수 있는 딥러닝 모델 개발에 집중해왔습니다. 이러한 연구 경험을 바탕으로 실제 임상 환경에서 활용 가능한 의료 AI 기술 개발 방향에 대해서도 지속적으로 관심을 가지고 연구를 이어가고 있습니다.

또한 최근에는 다기관 데이터를 활용한 연합학습(Federated Learning) 연구에도 관심을 가지고 있습니다. 의료데이터는 개인정보 보호 문제로 인해 기관 간 공유가 어려운 경우가 많기 때문에, 데이터를 직접 공유하지 않으면서도 일반화 성능이 높은 의료 AI 모델 개발이 앞으로 더욱 중요해질 것으로 생각합니다. 이와 함께 앞으로는 의료영상뿐 아니라 자연어, 정형·비정형 데이터 등 다양한 의료 데이터를 활용한 멀티모달 기반 의료 AI 연구를 통해 실제 의료 현장에서 활용 가능한 의료 인공지능 연구를 더욱 확장해나가고 싶습니다.

6. 다른 하시고 싶은 이야기들.....

박사과정을 진행하면서 가장 크게 느낀 점은 연구는 절대 혼자서 할 수 있는 일이 아니라는 것이었습니다. 이번 연구 역시 여러 교수님들과 공동연구자분들, 그리고 도움을 주신 많은 분들이 있었기 때문에 끝까지 마무리할 수 있었다고 생각합니다. 특히 항상 연구 방향에 대해 아낌없는 조언을 해주시고, 연구자로서 성장할 수 있도록 지도해주신 김광기 교수님께 깊이 감사드리고 싶습니다.

마지막으로 항상 응원해주고 힘이 되어준 가족들과, 연구실에서 긴 시간 함께 고민하고 항상 큰 힘이 되어준 동기들에게도 감사의 마음을 전하고 싶습니다. 

또한 이번 기회를 통해 한빛사에서 연구 내용을 소개할 수 있게 되어 매우 뜻깊게 생각합니다. 앞으로도 실제 의료 현장에서 도움이 될 수 있는 의료 인공지능 연구를 꾸준히 이어가고 싶습니다.