한빛사 인터뷰
- 등록2020-03-20
- 조회2,904
1. 논문관련 분야의 소개, 동향, 전망을 설명, 연구과정에서 생긴 에피소드
본 연구는 협대역 영상 (narrow band images, NBIs) 내시경으로 촬영한 대장 용종을 진단 시, 인공지능의 예측 결과가 의료진의 진단 정확도를 향상시키는데 영향을 미치는지를 실험을 통해 입증한 연구입니다.
NBIs 진료 경험에 따라 내시경 의료진 (Endoscopist)을 세 그룹으로 나누어 novice 7명, expert 4명, NBI-trained expert 11명이 각각 실험에 참여하였으며, 병리 진단 결과로 adenomatous polyp, hyperplastic polyp 두 가지 type을 진단하는 실험을 진행하였습니다. 두 가지 type으로 구성된 총 300개의 이미지를 전향적 실험에 사용하였으며, 1차 실험은 총 11명의 Endoscopist가 주어진 테스트 이미지를 진단하였고, 2차 실험은 개발한 인공지능의 예측 결과를 Endoscopist가 참고하여 최종 진단하도록 하였습니다.
개발한 인공지능 알고리즘은 딥러닝 기술 중 하나인 콘볼루션 신경망 (convolution neural networks, CNNs)이며, adenomatous polyp 이미지 1,100장과 hyperplastic polyp 이미지 1,050장을 학습하였습니다. 또한 automated machine learning (AutoML) 기술을 이용하여 용종 이미지 분류에 최적화된 네트워크 구조를 학습을 통해 찾아냈으며, 선행연구 방법인 inception-v3 네트워크보다 더 높은 정확도를 보였습니다. 2차 실험에서 의료진에게 제시한 인공지능의 예측 결과는 첫번째로 예측 확률 값이며, 두 번째로 Grad-CAM 기술을 이용하여 Heatmap 형태의 확률적 예측 근거를 병변 위치에 시각화 하였습니다.
그 결과, 1차 실험에서 Endoscopist의 평균 정확도는 82.5% 였지만, 2차 실험에서 AI 예측을 참고한 Endoscopist가 88.5%의 정확도를 보임으로 유의미하게 성적이 향상되었음을 확인하였습니다 (p-value <0.05). 특히 novice 그룹은 AI 예측을 참고함으로, 73.8%에서 85.6% 정확도로 큰 성적 향상을 보였습니다 (p-value <0.05). 본 실험을 통해 AI가 Endoscopist의 진단 정확도를 향상시킬 수 있는 assistance 역할을 할 수 있음을 확인하였으며, 추가적으로 더 빠른 진단이 가능함도 확인하였습니다. 이러한 정확한 진단이 향후 병리학적 검사를 대치하고 의료비용을 감소시킬 수 있는 기술로 발전할 것을 기대합니다.
2. 연구를 진행했던 소속기관 또는 연구소에 대해 소개 부탁 드립니다.
본 연구는 서울대학교 의공학과 김희찬 교수님 연구실과 서울대학교병원 소화기내과 김주성 교수님 연구팀의 공동 연구 입니다. 저는 서울대학교 공과대학 대학원 협동과정 바이오엔지니어링 학과에 박사과정으로 재학중이며 의용전자연구실 (Medical Electronics Laboratory)에서 인공지능을 이용한 의료영상처리 연구를 하고 있습니다. 연구실이 서울대학교병원이 있는 연건동에 위치하고 있고, 덕분에 여러 임상과와 긴밀하게 협업을 수행하고 있습니다. 연구실에서는 웨어러블 디바이스 개발 및 생체신호처리, 인공심폐기 등 하드웨어 개발부터, 의료영상처리, 증강현실과 같은 소프트웨어 개발까지 의료 및 헬스케어와 밀접하게 연관된 다양한 연구들을 수행하고 있습니다. 공동 연구를 수행한 서울대학교병원 강남센터는 건강 검진 센터로, 소화기 내과에 총 16분의 교수님이 계시며, 매년 만 건 이상의 대장 내시경을 시행하고 있습니다. 또한 서울대학교병원 강남센터 헬스케어 연구소에서는 건강 검진으로 축적된 35만건의 다양한 데이터를 기반으로 건강증진의학의 연구를 주도하고 있습니다.
3. 연구활동 하시면서 평소 느끼신 점 또는 자부심, 보람
인공지능 시대에 병원에서 실제 의료데이터, 특별히 의료영상을 다루면서 기존의 방법으로 풀리지 않았던 문제들이 인공지능을 이용하여 해결되는 과정에서 희열을 느낍니다. 연구하면서 동시에 빠르게 발전하는 인공지능 기술들을 공부하는 생활이 빡빡하지만 즐겁고, 또 아직까지 적용해보지 못한 아이디어들을 이 분야에 적용해보는 일련의 과정이 너무나 흥미롭습니다. 무엇보다도 이러한 연구 결과가 의료진과 환자들에게 도움이 될 수 있다는 사실에 큰 보람을 느낍니다. 특별히 의료 분야의 협동 연구는 의사나 엔지니어, 한 분야의 전문가의 경험과 지식만으로 쉽게 결과를 내기 어려운 연구입니다. 두 연구자의 지식과 관점의 차이에서 비롯한 간극이 하나의 일치되는 결론에 이르기까지, 수많은 토론과 피드백의 과정이 필요합니다. 이러한 과정을 처음부터 끝까지 수행하면서 학생에서 연구자로 조금씩 성장하게 되는 것 같습니다.
4. 이 분야로 진학하려는 후배들 또는 유학준비생들에게 도움이 되는 말씀을 해 주신다면?
만약 의료계 종사자라면, 직접 인공지능 프로그램을 개발하지 않더라도 이 분야에 관심을 가지시면 좋을 것 같습니다. 딥러닝을 비롯한 인공지능 기술은 빠르게 발전하고 있고, 머지않은 미래에 인공지능이 의사를 대체하지는 않지만 친숙한 도구로서 활용될 것으로 기대합니다. 만약 엔지니어라면, 인공지능이 다양한 산업 분야 뿐만 아니라 의료 분야에도 큰 필요와 잠재력이 있으며, 영상의학과를 포함한 다양한 임상과에 ‘빅데이터’가 산재해 있고 앞으로 더욱 그렇게 될 것이기 때문에 유망하다는 말을 하고 싶습니다.
5. 연구활동과 관련된 앞으로의 계획이 있으시다면?
올해 상반기에 박사과정을 졸업할 예정이며, 하반기부터 서울대학교병원에서 연구교수로 연구를 수행하면서 미국으로 박사 후 과정을 떠날 준비를 하고자 합니다. 소화기내과와 진행했던 대장용종 연구의 후속연구를 비롯하여 다른 임상과와의 연구들을 계획하고 있습니다.
6. 다른 하시고 싶은 이야기들....
먼저 하나님께 감사를 드리고 부모님과 아내에게 사랑한다는 말을 전하고 싶습니다. 그리고 지도해주신 김희찬 교수님께 감사의 말씀를 드리고 싶습니다. 지난 학위 과정을 생각할 때 저는 너무나 부족했지만, 그럼에도 교수님께서 끊임없이 기회를 주셨고 여러 임상과와 마음껏 연구할 수 있도록 기회의 장을 열어주셨습니다. 그 덕분에 연구실에서 많이 배우고 성장할 수 있었던 것 같습니다. 저는 지치지 않았고 여전히 연구에 목마릅니다. 학위과정 이후에도 연구실에서 배운 정신을 잊지 않고 열정적으로 연구하는 연구자가 되겠습니다. 이끌어주신 졸업한 선배들과 연구실 동료들에게도 감사의 말을 전하고 싶고, 마지막으로 본 연구에 참여하신 서울대학교병원 강남센터 및 본원 소화기내과 선생님들께 진심으로 감사의 말씀을 전해드리고 싶습니다.
댓글 작성 로그인
팝업 닫기관련 링크
관련분야 연구자보기
소속기관 논문보기
관련분야 논문보기
해당논문 저자보기
