인공지능이 안과 전문의와 유사한 정확도와 빠른 데이터 분석이 가능하다는 연구결과가 발표돼 관심이 모아지고 있다.

건국대병원 안과 김형찬 교수팀은 삼출성 나이관련 황반변성 환자의 빛간섭단층촬영에서 관찰되는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리를 딥러닝 기술인 컨볼루션 신경망(Convolutional Neural Network, CNN)을 이용해 자동으로 구획화 해 안과 전문의와 비교 분석했다.

김 교수팀은 삼출성 나이관련 황반변성 환자 93명, 93안에서 빛간섭단층촬영 영상을 찍은 후 각각에서 10장의 B-scan을 무작위로 추출해 총 930장을 확보했다.

이 중 550장은 회전, 늘임, 줄임 등의 변화를 거쳐 1만1,550장으로 증강시킨 후 신경망 학습에 활용하고 140장은 학습 과정이 적절하게 이뤄지는지 확인하는 용도로 사용했다. 남은 240장은 훈련된 학습망의 테스트에 사용했다.

김형찬 교수팀은 인공지능과 2명의 안과 의사 간의 Dice coefficient(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 측정됐다. 신경망과 의사 2간에, 의사 1과 의사 2간의 결과도 유사했다. 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 것이다”고 밝혔다.

이번 연구는 안과학 분야의 최고 권위 학술지인 ‘미국안과학회지(American Journal of Ophthalmology(AJO)’ 7월에 게재됐다.

[메디컬월드뉴스 김영신 기자]

관련기사

• 2019년 OECD 인공지능 전문가그룹 권고안 제시 예고
• 인공지능 융합 의료기술 특허출원 급증
• 건국대병원 김정한 교수, 보건복지부 장관 표창
• 건국대병원 심승혁 교수, 2018 대한산부인과 추계학술대회서 학술상 수상
• 건국대병원 문창택 교수, 대한신경외과학회 차기 회장 당선