서울성모병원 이지현 교수팀, 아토피 중증도 측정 알고리즘 개발
국내 연구팀이 개발한 AI ‘아토피 중증도 측정 알고리즘’의 수준이 피부과 전문의 진단 결과와 비교해도 떨어지지 않는 것으로 나타났다.
이같은 결과는 가톨릭대학교 서울성모병원 피부과 이지현 교수와 방철환 교수 그리고 광운대학교 경영학부 이석 교수와 윤재웅 연구원으로 구성된 연구팀이 AI 딥러닝 기법으로 개발한 ‘아토피피부염 중증도 측정 알고리즘’을 통해 확인됐다.
연구팀은 지난 2009년부터 2017년까지 서울성모병원에서 수집된 아토피피부염 영상 이미지 2만 4,852장 중 AI 학습용 데이터로 적합한 8,000장의 이미지를 구축한 뒤 4개 종류(세부 12개 종류)의 딥러닝 알고리즘에 적용했다.
그 결과, 피부과 전문의 3명의 진단 결과와 비교해 최고 99.17% 정확도를 보인 것으로 확인했다.
아토피피부염의 중증도는 EASI(Erythema Area and Severity Index)라는 평가지수를 가장 많이 사용한다. 이는 병변의 홍반, 구진(작은 발진), 긁은 상처, 태선화(두껍고 거칠어짐) 등 4개 항목의 중증도를 0~3점으로 측정하는 방식이다.
연구팀은 병변의 4개 항목별로 2,000장씩 구축된 8,000장의 이미지 중 5,600장으로 딥러닝을 통해 AI를 학습시킨 뒤, 2,400장은 확인 및 평가에 사용했다.
이번 연구에는 딥러닝에 사용하는 인공신경망 중 심층신경망(Deep Neural Network, DNN)의 일종인 합성곱신경망(Convolutional Neural Networks, CNN)을 이용했으며, 이는 순차적으로 이미지의 특징을 추출해 학습하는 딥러닝 프로그램의 한 종류로 이미지 인식과 분류에서 뛰어난 성능을 보인다.
합성곱신경망은 4개 종류(세부 12종류)로, GoogLeNet(V1, V2, V3, V4), Resnet V1(50, 101, 152 layers), ResNet V2(50, 101, 152 layers), VGG-Net(16, 19 layers) 등이 있다.
특히 이번 연구를 통해 병변 종류별로 진단의 정확도는 홍반 99.17%(가장 높은 성능 ResNet V1 with 101 layers, ResNet V2 with 50/152 layer), 구진 93.17%(ResNet V1 with 50 layers), 긁은 상처 96%(ResNet V2 with 50 layers), 태선화 97.17%(ResNet V1 with 101 layers)로 나타났다.
또한 연구팀은 사진의 밝기에 따라 심층신경망의 성능이 달라지는지 테스트한 결과, 밝기에 따라 성능이 떨어지는 현상이 관찰되어 사진의 밝기를 변경하는 방식(-80~+80%)으로 데이터를 늘린 뒤 이를 모두 학습시키면 사진 밝기에 따른 성능 저하를 막을 수 있다는 것도 밝혀냈다. 이는 추후 심층신경망의 정확도를 높이는 데 도움이 될 것으로 연구팀은 판단했다.
이지현 교수는 “아토피피부염 중증도 측정은 환자의 치료 정도를 파악해 앞으로의 치료계획을 세우는데 필수적이지만, 실제 진료 현장에서 정확히 아토피피부염 중증도를 체크하려면 많은 시간이 소요되고 의사에 따라 중증도 점수가 일부 차이가 나는 문제점이 있다”며 “이번에 개발한 심층신경망을 이용하면 좀 더 빠르고, 정확하게 아토피피부염 중증도를 측정할 수 있어 환자의 맞춤치료계획을 세우는 데 도움이 될 것으로 생각한다”고 말했다.
한편, 이번 연구 결과는 3월 15일 ‘사이언티픽 리포트(Scientific Reports)’ 온라인판에 게재됐다.
