뉴로클-강북삼성병원, 디지털 병리 이미지 기반의 AI 연구 성료

코딩 없이 의료진이 직접 인공지능 연구 모델 생성…높은 판독 정확도 보여 디지털 병리 이미지 분석에 적용한 모듈로 판독 정확도 및 효율성 증대

뉴로클이 강북삼성병원과 디지털 병리 이미지 기반의 인공지능 연구를 진행했다고 16일 밝혔다. 

해당 연구에 따르면 ‘뉴로티’를 사용해 디지털 병리 이미지 기반의 인공지능 모델을 생성할 수 있었고 ‘뉴로알’로 시각화함으로써 병리 이미지의 판독 정확도와 효율성을 향상시킨 것으로 드러났다.

최근 병리학 분야에서 인공지능을 활용한 연구가 급격히 증가하고 있다. 디지털 병리학은 병리 이미지를 디지털화하여 병리 진단 및 분석하는 기술로, 인공지능을 접목함으로써 그 가치를 더욱 높이고 있다. 인공지능을 이용하면 병리학적 진단뿐만 아니라 환자의 예후 예측, 유전자 변이 예측, 약제 반응 예측 등 다양한 연구가 가능하다. 이는 미래의 의료 현장에서의 진단 정확도를 높이고, 맞춤형 치료를 제공하는 데 큰 도움을 줄 수 있다.

그러나 디지털 병리 자료를 이용한 인공지능 연구는, 연구자의 코딩 능력과 정밀한 아노테이션 데이터 확보에 어려움이 있다. 연구자들(병리의사)은 인공지능 모델을 개발하고 적용하는 데 필요한 코딩 지식이 비교적 생소한 경우가 많아, 디지털 병리 이미지를 효과적으로 활용하기 어렵다. 또한, 고해상도 이미지를 처리하는 데 많은 컴퓨팅 자원이 필요하고, 데이터의 질과 다양성이 부족하면 모델의 정확도가 떨어진다. 

따라서 연구자가 직접 간편하게 인공지능 모델을 만들어 적용할 수 있는 플랫폼이 필요하며, 이를 통해 효율적으로 아노테이션 자료를 축적하고, 모델 성능을 평가할 수 있다는 것이 뉴로클의 설명이다.

뉴로클은 이러한 필요성을 기반으로, 병리의사들이 복잡한 코딩 없이도 인공지능 모델을 손쉽게 생성하고, 디지털 병리 이미지 분석에 적용할 수 있는 모듈을 고안했다.

◆QuPath와 Neuro-R 간의 연동 모듈 개발 프로젝트

QuPath는 디지털 병리 이미지를 활용하는 병리의사 및 연구자들이 가장 많이 사용하는 공개용 무료 소프트웨어 중 하나다. Neuro-T(뉴로티)는 Neurocle(뉴로클)에서 개발한 오토딥러닝 알고리즘이 탑재된 AI 딥러닝 비전 소프트웨어로, 코딩 없이 다양한 이미지에 대해 특정 객체의 분리, 검출, 분류 등을 할 수 있는 인공지능 모델을 생성할 수 있다. Neuro-R(뉴로알)은 뉴로티에서 생성된 딥러닝 모델을 현장에 적용하기 위한 런타임 API 라이브러리로, 빠른 실행 속도와 기존 장비 및 시스템과의 유연한 연동을 보장한다.

강북삼성병원 병리과 연구팀은 뉴로티 제품을 사용하여 디지털 병리 이미지를 기반으로 다양한 모델을 개발해 왔으며, 이를 실제로 적용하는 방안을 모색했다. 이에 뉴로클 팀은 강북삼성병원이 참여하고 있는 한국보건산업진흥원의 디지털 병리 기반의 암 전문 AI 분석 솔루션 개발사업의 일환으로, QuPath에 뉴로알 실시간 런타임 API 라이브러리를 연동시킬 수 있는 모듈을 개발했다. 이 모듈은 병리의사 및 연구자가 QuPath 소프트웨어상에서 모델의 성능과 결과를 편리하게 확인하고 수정할 수 있게 하여 연구 효율성을 높인다.

◆병변의 시각화와 정량화를 통한 판독 정확도 증대

이번 프로젝트에서는 정상/병변 판정 및 종양 분화도 등급화를 위한 분류 모델을 적용할 수 있는 모듈을 개발했다. 먼저, 고해상도의 디지털 병리 이미지를 QuPath 소프트웨어로 레이블링하고, 연구자가 원하는 사이즈로 이미지를 분할했다. 이렇게 분할된 수만 장의 패치를 AI 딥러닝 이미징 소프트웨어인 뉴로티로 불러와 분류 모델을 생성했다. 생성된 모델은 뉴로알과 연동돼 히트맵 형식으로 시각화 및 정량화해 연구에 활용됐다.

분할된 패치의 추론 결과를 뷰어에 그대로 불러오면 모자이크처럼 끊겨 보여 정확한 판독이 어려운데, 이를 개선하기 위해 스무딩 기법을 적용했다. 각 패치의 클래스 확률값을 바탕으로 근처 타일의 확률값에 대한 가우시안 함수 가중치의 합계를 도출해 측정값 맵에서 히트맵으로 시각화했다. 이를 통해 의료진이 병변의 단계와 위치를 바로 파악할 수 있게 했다.

◆종양의 분화도 및 진행 단계 통합으로 판독 효율성 향상

종양의 분화도에 따라 단계를 구분해야 하는 병리진단에서는 여러 단계를 통합된 하나의 이미지로 보는 것이 효과적이다. 이번 프로젝트에서는 뉴로티로 생성한 딥러닝 모델을 통해 분류한 종양의 분화 등급을 한 이미지에서 구현하거나, 어텐션 맵(attention map)으로 등급 단계를 표시했다. 뉴로티로 생성한 모델은 높은 판독 정확도를 보여 학술적으로 유의미한 결과를 도출했다. 타 플랫폼 또는 뷰어에서 레이블링한 패치를 불러와 추가 작업 없이 모델을 생성할 수 있어 연구자의 노력을 크게 줄였고, 수만 장의 패치를 경량화해 모델 생성 시간을 단축했다는 점에서 긍정적인 평가를 받았다.

◆코딩 없이 의료인이 직접 딥러닝 연구를 진행할 수 있는 플랫폼

뉴로티는 의료진이 딥러닝 엔지니어 없이 독자적으로 연구를 진행할 수 있도록 다양한 기능을 제공한다. 오토딥러닝 알고리즘은 최적의 모델 구조와 학습 파라미터를 자동으로 찾아 고성능의 모델을 만든다. 이를 통해 의료진은 딥러닝에 대한 전문 지식 없이 클릭만으로 연구에 필요한 모델을 생성할 수 있다.

지난 6월에는 업그레이드된 기능과 새로운 모델이 추가된 뉴로티 4.1버전을 출시했다. 4.1 버전에는 레이블링 공수를 줄여주는 AI–Assisted 레이블링 기능과 고해상도 의료 영상 이미지를 패치로 분할하여 왜곡 없이 병변을 정확하게 검출하는 Patch Classification 모델이 탑재됐다.

뉴로티에는 특정 영역을 선택하면 자동으로 레이블링되는 오토 세그멘테이션과 키워드를 입력하면 해당 이미지가 자동으로 레이블링되는 키워드 레이블러를 포함한 다양한 AI 기반의 자동 레이블링 기능이 있다. 이러한 기능을 통해 의료진은 레이블링 작업에 투입되는 시간과 노력을 줄일 수 있다. 또한 해상도가 높은 의료 영상 이미지의 크기를 줄이지 않고 패치로 분할하여, 미세한 병변의 유실 없이 높은 정확도의 딥러닝 모델을 만들 수 있는 Patch Classification 모델도 새롭게 추가됐다.

인공지능 딥러닝 이미징 소프트웨어 뉴로티와 실시간 실행 API인 뉴로알은 병리학, 치의학, 영상의학, 소화기내과 등 이미 다양한 분야에서 실제로 사용되고 있으며, 높은 판독 정확도를 기반으로 유의미한 결과를 만들어 내고 있다. 뉴로클은 새롭게 출시한 뉴로티 4.1 버전을 통해 앞으로도 다양한 의료 영상 이미지를 활용한 연구에 기여할 예정이다.