제안하는 코로나19 진단 알고리즘을 통하여 얻은 코로나19 확률 분포 특징 지도의 예. 다른 병변에서는 의심되는 영역이 거의 나타나지 않았으나 코로나19의 경우 고화질로 의심이 되는 부분이 표시되는 것을 볼 수 있다/사진=KAIST
현재 전 세계적으로 확진자 500만 명을 넘긴 코로나19 진단검사에는 통상 역전사 중합 효소 연쇄 반응(RT-PCR)을 이용한 장비가 사용된다.
CT(컴퓨터 단층촬영)을 이용한 검사도 비교적 높은 정확성을 보이지만 일반적인 X선 단순촬영 검사에 비해 많은 시간이 소요되고 바이러스에 의한 장비의 오염 가능성 때문에 선별 진료에 사용하기 어렵다.
그러나 최근 팬데믹(대유행)으로 세계 각국에서 확진자 수가 급증함에 따라 비용이 적게 들어가고 검사방법이 용이한 CXR 검사를 정확성을 높여 활용하자는 요구가 증가하고 있다.
그동안 딥러닝(심층 학습) 기법을 적용해 CXR 영상을 통해 코로나19를 진단하는 여러 연구사례가 보고되고 있지만 진단 정확성을 높이기 위해서는 많은 양의 데이터 확보가 필수적이며 현재와 같은 비상 상황에서는 일관되게 정제된 대량의 데이터를 수집하기는 어렵다.
이 시각 인기 뉴스
이 같은 문제점을 해결하기 위해 연구팀은 적은 데이터 세트에서 발생할 수 있는 영상 간 이질성을 일관된 전처리 과정으로 정규화한 후 국소 패치 기반 방식으로 하나의 영상에서 다양한 패치 영상들을 얻어내 이미지의 다양성을 확보했다.
또 국소 패치 기반 방식의 장점을 활용한 새로운 AI 기술인 ‘확률적 특징 지도 시각화’ 방식을 활용해 CXR 영상에서 코로나19 진단에 중요한 부분을 고화질로 강조해주는 특징 지도를 만들었다. 연구팀은 이 지도가 진단 영상학적 특징과 일치하는 것을 확인했다.
연구팀이 개발한 AI 기술로 코로나19 감염 여부를 진단한 결과, 영상 판독 전문가의 69%보다 17% 향상된 86% 이상의 정확성을 보였다.
예 교수는 “인공지능 알고리즘 기술을 환자의 선별 진료에 활용하면 코로나19 감염 여부를 상시 신속하게 진단할 수 있다”며 “이를 통해 가능성이 낮은 환자를 배제함으로써 한정된 의료 자원을 보다 우선순위가 높은 대상에게 효율적으로 배분할 수 있게 해줄 것”이라고 말했다.
(왼쪽부터) 예종철 교수, 오유진 박사과정, 박상준 박사과정/사진=KAIST