| 프린트하기 닫기 | www.38.co.kr |
이광 아주대 의대 교수팀, 세계적 의료영상 AI 학회서 ‘결핵진단 AI 경진대회’ 1위
 아주대의대 생리학교실/대학원 분자과학기술학과 이광 교수팀(생리학교실 Sampa Misra 연구조교수, 권민준·장용은 박사)이 AI·의료영상 컴퓨팅 분야의 세계적 권위 학회인 ‘2026 국제의료영상처리학회(MICCAI 2026)’의 결핵 진단 AI 경진대회에서 1위를 차지하며 글로벌 수준의 의료 AI 기술력을 입증했다고 28일 밝혔다. MICCAI(Medical Image Computing and Computer Assisted Intervention)는 의료영상 분석과 인공지능, 컴퓨터 보조진단 분야의 최신 연구 성과가 발표되는 최상위(Top-tier)의 국제 학술대회다. 이번 경진대회는 다양한 의료환경에서 수집된 흉부 X선 영상을 활용해 결핵을 진단하는 AI 모델의 성능을 평가했다. 연구팀은 대규모 흉부 X선 데이터로 사전학습된 ‘Ark+ Swin-Base’ 의료 파운데이션 모델을 기반으로, 흉부 X선 영상과 환자의 임상정보를 함께 분석하는 멀티모달 AI 모델을 개발했다. 특히 의료기관이나 촬영장비 정보를 질병의 특징으로 잘못 학습할 수 있는 기존 AI의 한계를 개선하는 데 초점을 뒀다. 이를 위해 연구팀은 장비 제조사와 촬영 조건 등 진단 편향을 유발할 수 있는 정보를 배제하고 연령과 성별 등 핵심 환자 정보만 영상 특징과 결합했다. 또한 결핵 양성 데이터가 상대적으로 적은 문제를 보완하기 위해 클래스 가중치 학습(데이터가 적은 결핵 양성 사례에 더 큰 중요도를 부여해 학습하는 방법)을 적용했다. 이와 함께 AI의 판단이 불확실한 영상에는 ‘테스트 시간 증강(Test-Time Augmentation ·TTA·하나의 영상을 여러 형태로 변형해 반복 분석한 뒤, 각각의 예측값을 평균해 최종 결과를 도출하는 기법)’을 선택적으로 적용하고 여러 모델의 결과를 통합해 진단의 안정성과 정확도를 높였다. 연구팀은 주최 측이 제공한 내부 데이터뿐 아니라 Montgomery/Shenzhen, Pakistan TB Dataset, TBX11K, TB-Chest Rad 등 서로 다른 국가와 의료환경, 촬영 조건에서 구축된 외부 데이터에서도 모델의 성능을 평가해 일반화 가능성을 확인했다. 이후 경진대회에서 제공한 다기관 국제 외부평가 데이터를 통해 결핵 진단 성능을 최종 검증했으며, 이 평가 결과를 바탕으로 최종 1위에 올랐다. 이번에 개발한 기술은 흉부 X선 영상에서 결핵 병변을 효과적으로 탐지해 의료진의 진단을 지원하는 데 활용될 수 있을 것으로 기대된다. 특히 영상의학과 전문의가 부족한 의료 취약지역에서 결핵을 비롯한 다양한 질환을 신속하게 선별하는 원격 진단 보조 기술로 활용 가능성이 크다. 이 교수는 “이번 성과는 결핵 분야에 대한 선행 연구 경험 없이 처음 접한 글로벌 의료영상과 환자정보를 활용해 단기간에 세계적 수준의 AI 모델을 개발했다는 점에서 연구팀이 보유한 의료 AI 기술력을 확인한 결과”라며 “이번에 확보한 기술을 바탕으로 실제 임상 환경에서 활용할 수 있는 다양한 의료 AI 기술로 발전시켜 나갈 계획”이라고 말했다. 한편 이번 연구는 한국연구재단의 중견연구자지원사업과 기초연구실지원사업의 지원을 받아 수행됐다. <저작권자 ⓒ 이투데이 무단전재/재배포 금지>
|
| 프린트하기 닫기 | www.38.co.kr |