국내 연구진, AI개인맞춤형 헬스케어, AI방사선 영상기술, 민간 이전
AI로 다양한 건강상태 관리․치료, 기존 X레이보다 한층 정밀한 식별 등
[애플경제 김향자 기자] ‘AI엑스포코리아 2023’에선 디지털의료 기술의 영역이 광범위하게 확장되고 있음을 알 수 있게 했다. 최근 국내 연구기관에 의해 개발된 ‘개인 맞춤형 AI헬스케어 기술’이나, ‘AI 기반의 방사선 영상 기술’ 등도 그 대표적 사례다.
전자는 사람마다 각기 다른 건강상태를 관리해주는 AI기술이며, 후자는 기존 엑스레이 기기를 대체할 만한 것으로 주목받고 있다.
‘개인 맞춤형 AI헬스케어 기술’
이를 개발한 한국전자통신연구원은 “‘개인 맞춤형 AI헬스케어 기술’은 개인에게 맞는 건강 관리 프로그램을 AI기술로 계획하는 기술”이라고 소개했다.
사람마다 각자 치료 효과가 다른 만큼, 환자의 치료 프로그램을 계획하는 것도 이에 맞게 해야 한다. 병원에선 현재 환자의 치료 결과와 건강정보를 시계열로 저장한 ‘에피소딕 EMR’(전자의무기록, Electronic Medical Records)을 활용하고 있다. “그러나 동일한 환자 상태에 대해 다양한 치료 수단을 수행해 볼 수 없기 때문에, 처방 가능한 다양한 치료 수단들에 대해 최적의 치료 수단을 탐색하는데 어려움이 있다”는 지적이다.
그래서 개발한 것이 미래 건강상태와 예후를 예측할 수 있는 ‘헬스케어 인공지능 기술’이다. 이는 ▲AI모델을 기반으로 최적 치료 수단을 탐색하는 헬스케어 강화학습 기술과, ▲최적 치료 프로그램을 계획할 수 있는 유사 사례에 기반을 둔 강화학습 기술로 구성된다. 즉, 같은 환자라에 대해서도 다양한 치료 수단과, 그 중 최적의 치료 수단을 탐색할 수 있다는 얘기다.
기존 ‘에피소딕 EMR’ 한계 극복
이는 “에피소딕 EMR의 특성과 의사의 치료 정책을 고려, 장기적으로 환자의 건강을 도모해주는 최적의 치료 프로그램을 위한 딥러닝 기술”이란 설명이다.
특히 연구원은 “AI기술의 발전으로 환자 정보 데이터를 이용해 치료 수단들을 추천해주는 기술이 개발되고 있다”면서도 “그러나 장기적인 치료 프로그램을 계획하거나, 시행착오 여부를 사전에 검증할 수 없는 상황을 고려한 최적의 치료 수단은 아직 나오지 않고 있다”고 그 필요성을 강조했다.
한 마디로 이는 “에피소딕 EMR 데이터로 구성된 데이터를 학습한 예측 모델을 활용, 가능한 치료 수단들에 대한 사전 시뮬레이션을 통해 최적 치료 수단을 탐색, 학습하는 기술”이라고 했다. 또한 “장기적인 치료 효과를 극대화 할 수 있는 개인 맞춤형 치료 프로그램도 계획할 수 있는 기술”이라는 설명이다.
이는 ▲ (에피소딕 EMR에 대한)불규칙 시계열 데이터 전처리 기술과 ▲ 미래 시점의 건강 상태를 예측할 수 있는 헬스케어 딥러닝 기술, ▲비결정적 미래 상태를 예측할 수 있는 확률 기반 헬스케어 딥러닝 기술로 구성된다.
“두 가지 강화학습 기술이 필수”
뿐만 아니라 두 가지 필수 기술이 요구된다. 즉, ‘모델 기반 최적 치료 탐색 헬스케어 강화학습 기술’과 ‘최적 치료 프로그램을 위한 유사 사례 기반 강화학습 기술’이다.
전자의 경우는 해당 헬스케어 강화학습 모델을 학습하고, 이를 기반으로 최적 치료 수단을 예측하는 것이다. 또 최적의 치료 수단과 시기도 예측한다.
후자 역시 해당 헬스케어 강화학습 모델을 학습함으로써, 유사 사례를 기반의 최적 치료 프로그램을 계획한다. 또한 예측된 치료 프로그램과 치료 수단에 대한 근거를 예측할 수 있다.
이는 정밀 의료와 개인 건강관리에 특히 유용하다는 설명이다. 즉, 환자에 대한 최적의 치료 수단을 예측하고, 이를 통해 진단과 치료, 재활 서비스를 할 수 있다. 치료 수단에 대한 시뮬레이션을 통해 의사의 진단과 치료에 관한 계획을 할 수도 있다.
또한 식의, 수면 등 건강 정보를 통한 개인 맞춤형 개인건강관리 수단을 추천할 수 있다. 스마트기기를 활용, 건강 상태 정보를 수집하여 건강관리 계획 프로그램을 추천할 수도 있다.
다중에너지의 ‘AI기반 방사선 영상 물질분별 기술’
연구원이 개발한 ‘AI기반 방사선영상 물질분별 기술’은 질병 검증은 물론, 보안검사 등 다양한 분야에 AI를 활용한 기술로 주목된다.
이는 ‘다중에너지 엑스레이 스펙트럼으로부터 획득된 방사선 투영 신호를 기반으로 물질별 에너지 특성 기반 비선형적 감약 계수 등의 차이를 이용하여 피사체 내부의 복수의 기저물질을 분별하여 영상정보로 나타내는 기술’이라는 설명이다. 다소 전문적이고 복잡한 내용이다.
풀어서 말하면, ‘다중에너지 엑스레이’는 방사선에 의해 에너지가 전달되면, 다시 X선 검출기에 의해 여러 가지 에너지 수준으로 작동하면서, 시각적, 전자적 형태로 변환되는 엑스레이다.
이때 X선이 물질을 투과하는 과정에서 흡수 또는 산란으로 인해 빔의 강도가 약화되는 정도가 ‘감약 계수’다. 감약의 원인으론 X선 에너지의 크기, 조직의 밀도, 조직의 원자번호, 물질의 단위중량당 전자수 등을 꼽는다.
단일․이중에너지 영상보다 정확도 뛰어나
다시 말해 ‘AI기반 방사선영상 물질분별 기술’은 그런 다중에너지 엑스레이로부터 나오는 방사선이 닿는 물질마다, 각기 다른 빔의 강도의 차이를 이용하는 것이다. 이를 통해 피사체 혹은 인체 내부에 있는 물질을 한층 정확하게 식별, 분별할 수 있는 기술이다. 그 과정에서 물질분별의 오차를 최소화하는 AI 방식의 최적 모델이나, 머신러닝 기술이 접목된다.
이에 비해 “기존 엑스레이 검색기는 단일에너지 또는 이중에너지 영상을 기반으로 피사체의 감약 계수를 결정하므로, 물질분별 정확도가 낮다”고 비교한 연구원은 “반면에 이 기술은 딥러닝 기반 AI 학습에 이용되어 판독의 품질과 성능을 향상시킬 수 있으며, 소수의 2차원 물질분별 영상으로부터 3차원 재건 영상을 생성할 수 있는 AI워크플로우를 포함하고 있다”고 소개했다.
연구원은 “이를 의료현장이나 산업계에서 실용화하기 위해 5가지 기술요소를 이전할 계획”이라고 밝혔다.
이에 따르면 ▲방사선 영상 내 투영 피사체에 대한 물질 분별을 위한 AI학습 프로그램, ▲방사선 영상 내 투영 피사체 내부의 물질을 분별하는 AI추론 프로그램 등이다. 또 ▲인체등가 표준팬텀 물질 분별 학습 모델, 즉 인체 조직과 같은 물질로 이루어진 표준화된 모형을 통해 물질을 분별하는 학습 모델도 대상이다. 이와 함께 ▲방사선 영상으로 물질을 분별하는 AI SW소스 코드 및 모델, ▲역시 방사선 영상으로 물질을 분별하는 AI 관련 기술문서 등이다.