삼출성 나이 관련 황반변성 병변 구획화에 인공지능 성능 확인

인공지능으로 안과 전문의와 유사한 정확도 · 빠른 데이터 분석 가능

삼출성 나이 관련 황반변성 병변을 인공지능이 이른 시간 안에 정확히 구획하는 것을 국내 연구팀이 관찰했다.

건국대병원 안과 김형찬 교수팀이 딥러닝 기반 인공지능 모델이 삼출성 나이 관련 황반변성 환자에서 관찰되는 병변들을 높은 정확도로 빠른 시간 내 구획화했다고 18일 전했다. 동 연구는 안과학 분야 학술지 '미국안과학회지(American Journal of Ophthalmology(AJO)' 7월에 게재됐다.

김 교수팀은 삼출성 나이 관련 황반변성 환자의 빛간섭단층촬영에서 관찰되는 △망막내액 △망막하액 △망막하고반사물질 △망막색소상피박리를 딥러닝 기술인 컨볼루션 신경망(CNN, Convolutional Neural Network)을 이용해 자동으로 구획화해 안과 전문의와 비교 분석했다.

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

이 중 550장은 회전 · 늘임 · 줄임 등의 변화를 거쳐 11,550장으로 증강한 후 신경망 학습에 활용하고, 140장은 학습 과정이 적절하게 이뤄지는지 확인하는 용도로 사용했다. 남은 240장은 훈련된 학습망의 테스트에 사용했다. 

김 교수팀은 인공지능과 2명의 안과 의사 간 △Dice coefficient(다이스 계수) △양성예측도 △민감도 △상대면적차이 △급내상관계수 △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 △0.80으로 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. 신경망 · 의사 2간 및 의사 1 · 의사 2간의 결과도 유사했다. 진단의 정확도 면에서는 안과의사와 신경망이 유사한 결과치를 낸 것이다. 반면, 시험 데이터를 구획화하는 데는 의사 약 10시간 · 신경망 약 10초로 신경망의 속도가 현저히 빨랐다.

김 교수는 "컨볼루션 신경망이 상대적으로 훨씬 짧은 시간에 다양한 삼출성 나이 관련 황반변성 병변의 구획화를 정확하게 수행했다."며, "향후 병변들의 정량적 분석에 유용할 것"이라고 연구 의의를 말했다.