유아 실명의 가장 일반적인 원인 중 하나는 의료기술로 예방할 수 있습니다. 다만, 해당 원인을 감지할 수 있을 때에만 가능한 일이지요.
너무 일찍 태어나 크기도 작고 가장 연약한 신생아들은 미숙아 망막증(retinopathy of prematurity, ROP)이라는 질환에 영향을 받습니다. 여기에서 말하는 신생아는 31주를 채우지 못하고 태어나 약 1.2킬로그램(2¾ pounds)가 채 되지 않는 미숙아를 뜻하는데요.
미숙아 망막증은 조기에만 발견하면 치료가 가능하지만, 치료가 필요한 경우인지 아닌지를 판단할 수 있는 객관적인 방법이 없습니다.
하버드 의과 대학 매사추세츠 종합병원(Harvard Medical School and Massachusetts General Hospital)의 마르티노스 바이오메디컬 이미징 센터(Athinoula A. Martinos Center for Biomedical Imaging) 소속 연구원인 자야슈리 칼파시-크레이머(Jayashree Kalpathy-Cramer)는 인공지능이 이 문제를 해결할 수 있을 거라고 생각했는데요. 자야슈리 연구원은 박사 과정 이후의 연구 동료인 제임스 브라운(James Brown)과 함께 미숙아 망막증의 심각도를 자동으로 판단할 수 있는 GPU 가속 딥 러닝 시스템을 개발 중입니다.
자야슈리 연구원은 “미숙아 망막증의 중요한 사실은, 예방이 가능한 질병이라는 점입니다. 딥 러닝으로 실질적인 변화를 만들 수 있는 분야입니다”라고 말했습니다.
1980년대에 머물러
미숙아 망막증은 미숙아의 눈이 완전히 발달하지 않아 발생하는 질환인데요. 망막에 혈액을 공급하는 혈관은 출산 직전 마지막 몇 주간 급속하게 성장합니다. 그 과정에 차질이 발생하는 경우, 망막 혈관은 성장을 멈추거나 눈의 엉뚱한 부분에서 자라게 됩니다.
비록 미숙아 중 극히 일부에게서만 발생하지만, 그 여파는 평생 지속될 수 있습니다. 미숙아 망막증은 저절로 나아지기도 하지만, 심각한 경우엔 실명이나 사시, 약시, 녹내장 및 조기 백내장 등 안질환으로 이어질 수 있습니다.
미숙아 망막증의 검사 시, 의료진은 눈의 혈관 상태에 따라 노멀(normal), 프리플러스(pre-plus) 및 플러스(plus)의 순으로 심각도를 분류하는데요. 상태가 플러스인 경우에는 치료가 필요합니다. 의료진은 망막 내부(혹은 디지털 영상)를 살펴 이를 1980년대 전문가들이 선정한 표준 사진과 비교해 미숙아 망막증의 단계를 판정합니다.
세 가지 심각도를 어떻게 구분할 것인가에 대해서는 전문가들 사이에서도 상당한 이견이 존재한다는 것이 수많은 연구에서 드러나고 있습니다.
자야슈리 연구원은 “이러한 상황 속에서, 최근 컴퓨터 비전 분야의 발전을 활용해 개선점을 모색하고자 했습니다”라고 말했습니다.
자동화된 진단
이를 위해, 자야슈리 연구원은 오레곤 보건과학 대학교(Oregon Health & Science University)의 마이클 치앙(Michael Chiang) 박사가 이끄는 망막증 컨소시엄(Retinopathy Consortium) 내 이미징 및 인포매틱스(Imaging and Informatics)의 전문가들이 진단한 자료와 관련 이미지 6,000건으로 구성된 데이터 세트를 확보했습니다. 자야슈리와 브라운 연구원은 이 데이터를 활용해 노멀, 프리플러스 및 플러스 이미지를 분류하도록 딥 뉴럴 네트워크를 트레이닝 했습니다.
보스턴의 매사추세츠 종합병원과 브리검 여성 병원(Brigham and Women’s Hospitals)이 운영하는 임상 데이터 과학 센터(Center for Clinical Data Science)에서 근무 중인 자야슈리 연구원은 엔비디아 DGX-1(NVIDIA DGX-1) AI 슈퍼컴퓨터와 다양한 cuDNN 가속 딥 러닝 프레임워크를 이용해 미숙아 망막증 진단을 위한 알고리즘을 개발했습니다.
자야슈리 연구원은 해당 알고리즘을 인도에 위치한 아라빈드 안과 병원(Aravind Eye Hospitals)과 뱅커 레티나 클리닉 앤 레이저 센터(Banker Retina Clinic and Laser Centre)에서 제공한 의료 영상 10만 건에 적용해볼 예정인데요. 앞으로 자야슈리 연구원은 인도에서 해당 알고리즘을 검사 방식으로 시도해본다는 계획을 갖고 있습니다.
전문가가 부족한 분야의 전문가 진단
자야슈리 연구원은 특히 안과 전문의를 만나기 어려운 저소득 및 중산층 국가에서 자신이 개발한 진단 방법이 보급되길 바라고 있는데요. 장기적으로는 초기 검사용으로 간호사들이 사용할 수 있는 저렴한 휴대용 진단 장치를 개발하고 싶어합니다.
자야슈리 연구원은 “우리가 개발한 알고리즘을 제대로 작동시킬 수 있다면, 전 세계의 예방 가능한 실명을 획기적으로 개선할 수 있을 것이라고 생각합니다”라고 덧붙였습니다.
자야슈리 연구원은 딥 러닝을 이용한 자동 진단과 어린이 실명 예방에 대한 연구 논문을 발표했습니다. 컴퓨터 비전을 이용한 자야슈리 연구원의 초기 연구 논문은 아래의 링크에서 확인해보세요.
- Plus disease in retinopathy of prematurity: improving diagnosis by ranking disease severity and using quantitative image analysis
- Plus disease in retinopathy of prematurity: a continuous spectrum of vascular abnormality as basis of diagnostic variability
*본 포스트의 메인 이미지 및 동영상은 미국안과학회(National Eye Institute), 국립보건원(National Institutes of Health)의 자료입니다.