딥 러닝으로 안구 질환을 빠르게 발견, 진단하는 방법

미국 워싱턴 대학교(University of Washington)에서 안과의사 및 조교수로 재직중인 망막질환 분야의 전문가 아론 리 박사(Dr. Aaron Lee)의 어머니는 돌아가시기 몇 해 전부터 황반변성(*눈 안쪽 망막 중심부에 위치한 황반부에 변화가 생겨 시력장애가 생기는 질환)으로 시력이 떨어지기 시작했습니다. 시야의 중심부가 흐려지면서 운전면허 갱신도 포기해야 했지요. 처음에는 대형 돋보기로 글자를 읽는 것이 가능했지만 나중에는 이마저도 불가능해졌고, 결국에는 사람을 알아보는 것조차 힘들어졌습니다.

진행성 황반변성

 

노년 황반변성(Aged-related macular degeneration, AMD)은 50세 이상의 미국인들에게 시력 저하 및 실명을 유발하는 주요 원인입니다. 노년 황반변성을 앓는 환자들은 블로그의 메인 이미지에 제시된 바와 같이 사물(위 이미지에서는 두 소년이 공을 들고 있는 모습)을 흐릿하게 볼 수 밖에 없습니다. 이 질환에는 치료법도 없는데요.

리 박사는 “노년 황반변성 환자들은 무엇을 보더라도 중심부가 흐릿하게 보이기 때문에 어려움을 겪고 있습니다”라고 설명했습니다.

 

AI 활용이 적합한 분야

리 박사는 인공지능(AI)이 노년 황반변성 환자뿐만 아니라 시력 손실을 유발하는 안구 질환을 겪는 모든 환자들에게 도움을 줄 수 있을 것으로 전망하고 있습니다.

리 박사는 GPU로 가속화된 딥 러닝이 의사가 놓친 질환의 징후를 감지하거나 진단을 더 빠르게 내릴 수 있도록 도움으로써 의료진이 보다 빠른 치료를 시작할 수 있다고 말합니다. 리 박사는 이미 노년 황반변성과 중심부 시력에 손상이 오는 질환인 황반부종을 발견할 수 있는 딥 러닝 알고리즘을 개발했습니다.

리 박사에 따르면 모든 진료 과목 중에서도 안과는 특히 GPU 가속 딥 러닝의 혜택을 충실히 누릴 수 있는 분야입니다. 안과의사들이 뉴럴 네트워크를 트레이닝 하는 데 필요한 대규모의 데이터를 축적하고 있을 뿐만 아니라 이들 데이터가 상당히 표준화되어 있기 때문입니다.

 

놀라운 성과

이에 리 박사와 연구진은 광파를 이용해 망막의 횡단면을 촬영하는 광간섭 단층 영상(optical coherence tomography, OCT) 검사 개발에 주력하고 있는데요. 노년 황반변성, 녹내장 및 당뇨성 망막증 등 다양한 안구 질환을 진단하기 위해 한 해에만 500만 건 이상의 OCT 검사가 실시되고 있습니다. 당뇨병의 경우에 혈당 수치가 높으면 망막 내 혈관에 손상을 입혀 시력에 영향을 줄 수 있습니다.

연구진은 10만 건의 환자 OCT 스캔 자료를 이들의 전자의료기록과 연계해 노년 황반변성 감지 알고리즘을 개발했습니다. 이들은 노년 황반변성 환자를 식별해내도록 뉴럴 네트워크를 트레이닝 했고, 정확도가 93%에 달하는 결과를 얻을 수 있었습니다. 또한 이 과정에서 CUDA 병렬 컴퓨팅 플랫폼 및 엔비디아의 지포스 타이탄 X(GeForce GTX TITAN X) GPU와 함께 cuDNN 가속 파이썬 카페(Python Caffe) 딥 러닝 프레임워크가 사용됐습니다.

OCT 검사를 통해 의료진은 각각의 망막층을 모두 볼 수 있습니다
(출처: 크리에이티브 커먼즈(Creative Commons)의 Ugur Onder Bozkurt)

 

3주 만에 완성된 이 노년 황반변성 알고리즘은 리 박사가 GPU 가속 딥 러닝의 이점에 대해 품고 있던 회의적인 시각을 완전히 불식시켰습니다.

리 박사는 “연구를 통해 놀라운 성과가 나타나는 것을 직접 확인할 수 있었습니다. 일반적인 컴퓨터 아키텍처를 사용했다면 이처럼 방대한 규모의 데이터 세트를 처리하고, 대규모 뉴럴 네트워크를 트레이닝 하는 것이 불가능했을 겁니다”라고 말했습니다.

 

전문가 수준의 AI

이러한 결과에 고무되어 리 박사는 OCT 스캔 자료에서 망막내액(intraretinal fluid, IRF)을 식별하는 까다로운 문제를 해결하기 위해 컴퓨팅 성능에 8개의 엔비디아 테슬라(NVIDIA Tesla) P100 GPU를 추가했습니다. 시력을 저하시키는 망막내액은 망막 내 혈관이 손상을 입으면 발생하는데요. 의료진은 IRF를 통해 환자에게 약물 치료가 얼마나 효과가 좋은지, 그리고 어떻게 병이 나아지고 있는지를 가늠합니다.

리 박사와 연구진은 픽셀 단위로 IRF를 식별하도록 뉴럴 네트워크를 트레이닝 했습니다. IRF의 식별은 현재 사람이 직접 작업하고 있으며 의사의 판단에 전적으로 의존합니다. 연구진이 트레이닝한 알고리즘은 전문가만큼이나 우수한 성능을 보였고, 의료진에게 시간에 따라 환자의 상태가 얼마나 호전되었는지를 객관적으로 살펴볼 수 있는 새로운 방식을 제시할 전망입니다.

리 박사는 “머지않아 딥 러닝을 통해 의료진이 제대로 살펴보기 어려웠던 의료 영상의 특징들을 볼 수 있게 될 것입니다”라고 말했습니다.

위의 OCT 스캔 자료에서 노란색으로 빛나는 곳이 바로 AI가 진단을 내릴 때 가장 중요하게 인식하는 부분입니다. AI가 식별한 부위는 의료 영상 내 비정상적 특징을 보이는 부분과 정확하게 일치합니다. (출처: 아론 리 박사)

 

안과 분야에서 AI가 지닌 잠재력

리 박사는 AI를 통해 안과 분야를 획기적으로 변화시킬 수 있는 기회가 무궁무진할 것으로 전망하고 있습니다.

그는 AI가 안구 질환을 더욱 빠르고 효율적으로 식별하여 의료진이 환자를 치료하는 데 더 많은 시간을 할애할 수 있을 것으로 기대하고 있습니다. 그렇게 되면, 고령화 인구를 치료하거나 의료 인프라가 부족한 지역에서 의료 서비스를 제공하는 의사들의 부족 현상을 해결하는 데에도 도움이 될 것입니다. 또한, 노년 황반변성을 비롯한 다른 질환의 원인에 대해 새로운 인사이트를 이끌어낼 수도 있습니다.

리 박사는 “앞으로 환자가 치료 받는 방식에 있어서 AI가 중요한 역할을 맡게 될 것입니다.”라고 말했습니다.

 

리 박사의 연구 논문에서 더 자세한 내용을 확인해보세요.

 

리 박사와 연구진은 연구 작업을 깃허브(github)에 오픈 소스로 공개했는데요. 다음 링크에서 확인해볼 수 있습니다.

 

*이 블로그의 메인 이미지는 망막 황반의 OCT 스캔 영상입니다. (출처: 크리에이티브 커먼즈 라이센스로 공개된 Ugur Onder Bozkurt)

비슷한 글

답글 남기기

이메일은 공개되지 않습니다. 필수 입력창은 * 로 표시되어 있습니다.