영상의학

2 Contents

[WMD 2021] 2021년 세계측정의 날: 전문가 강연(KAIST 바이오및뇌공학과 예종철 교수)

2016년 알파고와 이세돌의 대결은 전 세계에 큰 충격을 주며 인공지능 시대의 개막을 알렸습니다. 당시 연구 현장에 있던 전문가들조차 인공지능이 보여준 압도적인 성능에 놀라움을 금치 못했으며, 이는 의료 분야에서도 새로운 연구의 흐름을 만들어내는 결정적인 계기가 되었습니다. 특히 저선량 CT 영상의 노이즈 제거 기술에 딥러닝을 적용하면서 인공지능의 강력한 파급력이 실질적으로 입증되었습니다. 기존의 고전적인 방식보다 월등히 뛰어난 성능을 보인 인공지능 기술은 불과 2년 만에 글로벌 기업에서 상용화 제품으로 출시될 정도로 의료 현장의 판도를 빠르게 바꾸어 놓았습니다. 현재 의료 인공지능은 단순한 연구 수준을 넘어 진단, 영상 분할, 정합 등 의료 전반의 핵심적인 영역에서 활약하고 있습니다. 안저 영상을 통한 안질환 진단이나 피부암 판독 분야에서는 이미 숙련된 인간 전문가와 대등하거나 오히려 더 높은 정확도를 보여주는 사례가 잇따라 보고되고 있습니다. 한때 인공지능이 의사를 완전히 대체할 것이라는 급진적인 전망도 있었으나, 현재는 의료계 내에서도 인공지능이 의사의 지능을 보완하고 돕는 '증강 지능(Augmented Intelligence)'으로서 자리를 잡아가고 있습니다. 이제 인공지능 활용 능력은 의료진의 필수적인 역량 중 하나로 평가받고 있습니다. 딥러닝이 의료 분야에서 이처럼 비약적인 발전을 이룰 수 있었던 핵심 요인은 특징(Feature) 추출의 자동화에 있습니다. 과거의 기계 학습은 전문가가 직접 데이터에서 유의미한 특징들을 찾아내고 가공하는 과정이 필수적이었으나, 딥러닝은 데이터만 입력하면 알고리즘이 스스로 최적의 정보를 추출하여 분류까지 수행합니다. 이러한 특성 덕분에 데이터와 연산 도구만 있다면 과거보다 적은 노하우로도 고성능의 모델을 개발할 수 있는 환경이 조성되었습니다. 이는 수많은 의료 AI 스타트업이 탄생하고 이미징, 신약 개발, 유전체 분석 등 다양한 영역에서 혁신적인 성과가 쏟아지는 원동력이 되었습니다. 하지만 인공지능의 성능이 향상될수록 '가비지 인, 가비지 아웃(Garbage In, Garbage Out)'이라는 데이터의 원칙은 더욱 중요해지고 있습니다. 정제되지 않았거나 편향된 데이터를 학습할 경우, 인공지능은 아무리 고도화되어도 잘못된 결과를 도출할 수밖에 없습니다. 자연어 처리 모델에서 발생했던 인종차별이나 성차별적인 편향성 이슈는 데이터의 품질이 인공지능의 윤리와 성능에 얼마나 큰 영향을 미치는지 보여줍니다. 의료 분야에서도 마찬가지로 특정 목적에 편중된 데이터만을 학습한 모델은 실제 임상 현장에서 환자의 상태를 오판할 위험이 크기에 학습 데이터의 신뢰성 확보가 무엇보다 중요합니다. 대한민국은 2020년 데이터 3법 공포를 통해 가명 처리된 의료 데이터를 과학적 연구에 활용할 수 있는 법적 토대를 마련하며 의료 AI 강국으로의 도약을 준비하고 있습니다. 이를 바탕으로 정부와 기업은 범국가적인 '보건의료 빅데이터 플랫폼'을 구축하여 파편화된 병원 데이터를 통합하고 연구자들이 안전하게 활용할 수 있는 환경을 조성하고 있습니다. 단순히 데이터의 양을 늘리는 단계를 넘어, 국가 표준에 따라 정제되고 표준화된 양질의 데이터를 확보하는 체계를 갖추는 것만이 미래 정밀 의료를 실현하고 의료 인공지능의 경쟁력을 높이는 근본적인 해법이 될 것입니다.

[WMD 2021] 2021년 세계측정의 날: 전문가 강연(KAIST 바이오및뇌공학과 예종철 교수)
한국표준과학연구원KRISS 행사
  • 생명과학
  • 뇌인지과학
  • 융합
  • 공학·기술

병원에간인공지능,의사와친해지기ㅣ연세대의대 [연구현장속으로/토요과학강연]

연세대학교 의과대학 의료 인공지능 연구실은 딥러닝 기술을 활용해 질병을 진단하고 환자의 예후를 예측하는 혁신적인 연구를 수행하고 있습니다. 영상의학의 범위를 넘어 환자 맞춤형 치료 계획을 수립하고 정밀 의료를 실현하기 위해 다양한 임상 데이터를 통합 분석하는 것이 핵심입니다. 특히 X-ray, CT, MRI와 같은 의료 영상에서 암을 비롯한 주요 병변을 자동으로 검출하고 분류하는 기술은 현대 의학에서 매우 중요한 위치를 차지하고 있습니다. 이러한 기술은 단순히 영상 분석에 그치지 않고 병리 및 유전체 데이터까지 아우르는 정밀 의료의 토대가 됩니다. 의료 인공지능 연구의 성공을 위해서는 의사와 과학자 사이의 긴밀한 협력 관계가 필수적입니다. 연구원들은 병원 내 다양한 임상 과와 소통하며 실제 현장에서 필요한 알고리즘을 개발하고, 이를 통해 치료 계획의 정확도를 높이는 데 주력합니다. 뇌졸중과 같은 급성 질환을 MRI 영상에서 자동으로 진단하는 모델 개발부터 신약 개발에 따른 환자의 반응을 유추하는 연구까지 그 범위가 매우 넓습니다. 병원이라는 현장 중심의 환경에서 확보되는 방대한 데이터는 인공지능 모델이 실제 환자들에게 적용될 수 있는 실용적인 기술로 거듭나게 하는 핵심 자산이 됩니다. 병리 슬라이드 영상 분석은 세포 수준의 미세한 변화를 관찰하여 암의 특성을 파악하는 연구 분야입니다. 폐암이나 대장암과 같은 질환에서 종양의 영역을 분할하는 기술과 면역 염색 분석을 통해 종양의 성격을 규명하고 치료 반응을 예측합니다. 현미경으로 관찰되는 방대한 병리 데이터를 딥러닝 모델로 학습시킴으로써, 의료진은 보다 정교한 정보를 바탕으로 환자에게 최적화된 진료를 제공할 수 있게 됩니다. 이는 환자가 병원을 방문했을 때 체감할 수 있는 의료 서비스의 질을 획기적으로 향상시키며, 맞춤형 정밀 의료를 현실로 앞당기는 중요한 과정입니다. 라디오믹스 기술은 의료 영상 속에 숨겨진, 육안으로는 식별하기 어려운 미세한 정보를 수치화된 피처로 추출하는 첨단 기법입니다. 예를 들어 흉부 CT 영상에서 추출한 라디오믹스 피처를 활용하면 PD-L1과 같은 특정 면역 단백질의 발현 여부를 비침습적인 방식으로 예측할 수 있습니다. 이러한 방식은 환자에게 신체적 부담을 주지 않으면서도 조직 검사와 유사한 수준의 바이오마커 정보를 얻을 수 있게 해줍니다. 최종적으로는 딥러닝 기술과 임상 데이터를 결합하여 암 진단 파이프라인을 구축함으로써 진단의 효율성과 정확성을 극대화하는 비침습적 진단 모델 개발을 목표로 합니다. 의료 인공지능은 이제 더 이상 먼 미래의 상상이 아니라 우리 곁의 의료 현장에서 실질적인 변화를 만들어내고 있는 핵심 기술입니다. 다양한 전공의 연구자들이 협업하여 개발하는 알고리즘은 실제 임상 환경에 적용되어 의사의 의사결정을 돕고 환자의 치료 성과를 개선하는 데 기여하고 있습니다. 앞으로의 연구는 단순히 질병을 찾아내는 수준을 넘어, 각 환자에게 가장 적합한 약제와 치료법을 제시하는 지능형 의료 시스템으로 발전해 나갈 것입니다. 인공지능과 의학의 결합은 인류의 건강한 삶을 보장하기 위한 가장 강력한 도구가 되어줄 것으로 기대됩니다.

병원에간인공지능,의사와친해지기ㅣ연세대의대 [연구현장속으로/토요과학강연]
서울시립과학관
  • 생명과학
  • 뇌인지과학
  • 융합