코로나19 진단 알고리즘을 통해 얻은 코로나19 확률 분포 특징 지도 예시. (사진=KAIST 제공)
한국과학기술원(KAIST)은 바이오및뇌공학과 예종철 교수 연구팀이 흉부 방사선 촬영 영상을 이용해 코로나19 진단 정확성을 획기적으로 개선한 인공지능(AI) 기술을 개발했다고 25일 밝혔다.
이 기술을 코로나19 선별 진료 체계에 도입하면 상시 신속한 진단이 가능할 뿐만 아니라 한정된 의료 자원을 효율적으로 사용하는 데도 도움을 줄 것으로 기대를 모은다.
코로나19 진단 검사에는 통상 역전사 중합 효소 연쇄 반응(RT-PCR)을 이용한 장비를 사용한다. RT-PCR 검사의 정확성은 90% 이상으로 알려져 있으나 검사 결과가 나오기까지 많은 시간이 걸리며 모든 환자에게 시행하기에 비용이 많이 든다는 단점이 있다.
컴퓨터 단층촬영(CT)을 이용한 검사도 비교적 높은 정확성을 보이지만, 일반적인 X선 단순 촬영 검사에 비해 많은 시간이 걸리고 바이러스에 의한 장비의 오염 가능성 때문에 선별 진료에 사용하기 어렵다.
여러 폐 질환에서 표준 선별 검사로 활용하는 흉부 단순 방사선 촬영(CXR)은 코로나19에 적용했을 때 RT-PCR와 CT 검사에 비해 정확성이 현저하게 떨어진다.
그동안 딥러닝(심층 학습) 기법을 적용한 CXR 영상을 통해 코로나19를 진단하는 여러 연구사례가 보고되고 있지만, 진단 정확성을 높이기 위해서는 많은 양의 데이터 확보가 필수적이다. 현재와 같은 비상 상황에서 일관되게 정제된 대량의 데이터를 수집하기도 어렵다.
이런 문제를 해결하기 위해 연구팀은 적은 데이터 세트에서 발생할 수 있는 영상 간 이질성을 일관된 전처리 과정으로 정규화한 뒤 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 강조해 주는 특징 지도를 만들었다. 연구팀은 이 지도가 진단 영상학적 특징과 일치하는 것을 확인했다.
연구팀이 개발한 인공지능 기술로 코로나19 감염 여부를 진단한 결과 영상 판독 전문가의 69%보다 17% 향상된 86% 이상의 정확성을 보였다.
왼쪽부터 예종철 교수, 오유진 박사과정, 박상준 박사과정. (사진=KAIST 제공)
예종철 교수는 "인공지능 알고리즘 기술을 환자의 선별 진료에 활용하면 코로나19 감염 여부를 상시 신속하게 진단할 수 있고 이를 통해 가능성이 낮은 환자를 배제함으로써 한정된 의료 자원을 보다 우선순위가 높은 대상에게 효율적으로 배분할 수 있을 것"이라고 말했다.