GPU는 방사선 이미지 결과 향상과 환자의 방사선량 낮추는 ‘게임 체이저’

최근 열린 GTC에서 메디소 메디컬은 GPU 기반 몬테카를로 알고리즘으로 이미징 결과를 향상시키고 환자에 투여하는 방사성 물질을 낮춘 사례를 소개했습니다.
by NVIDIA Korea

물리학자 안드라스 워스(Andras Wirth)의 이야기는 여느 초기 AI 연구자들과 비슷합니다. 딥 러닝에 대한 그의 야심은 기술의 상전벽해로 현실이 됐습니다.

그는 핵 이미징을 발전시키기 위해 몬테카를로(Monte Carlo) 알고리즘을 실행하고 싶었습니다. 기존에는 대규모 슈퍼컴퓨터를 동원하지 않고서는 할 수 없는 연산 작업이었죠.

그가 획기적 돌파구를 맞이하게 된 건 10년 전, 연구실에서 연산이 까다로운 알고리즘에 GPU와 최초 CUDA 릴리스를 사용하기 시작하면서부터였습니다.

메디소 메디컬(Mediso Medical)에서 핵 이미징을 지휘하는 안드라스 워스는 최근 실리콘밸리에서 열린 GPU 기술 컨퍼런스에서 자체 개발한 획기적인 작업에 대해 소개했습니다.

워스와 함께 하는 CUDA 프로그래머 팀은 GPU에서 몬테카를로 운반법 계산을 실행해 이미지 품질을 향상시킵니다. 이는 물리적 모델링 내 부정확성에서 비롯되는 일반적인 퇴행 효과를 제거하는데 도움이 됩니다.

몬테카를로 운반법은 환자 이미지를 획득하는데 기여하는 물리적 프로세스 모델링을 사용합니다. 최대 정밀도를 위해 모델링은 수 십억 개 광자 트랙 시뮬레이션으로 구성되는데요, 이들 광자 트랙은 본질적으로 무작위라 몬테카를로 게임처럼 시뮬레이션 자체가 무작위로 진행됩니다.

스캔의 이미지 품질을 향상시키는 것 외에도 핵 의학의 주요 문제는 획득한 이미지의 진단적 가치를 손상시키지 않으면서, 방사선 동위원소 주입량을 낮춰야 한다는 점입니다. 뉴럴 네트워크는 소음도 증가를 해결하는데 도움이 되며, 기존 방법과는 비교도 안 되는 성능으로 유용한 정보를 유지합니다.

주입량을 낮추는 것은 방사성 물질을 투여하는 환자와 시설에 도움이 되며, 이를 지원하는 GPU 가속 기술은 여러 분야에 적용될 수 있는 가능성을 갖게 됩니다.

안드라스 워스는 “이는 완전히 판도를 바꾸는 셈입니다. 모든 유형의 핵 의료 절차에 영향을 줄 수 있죠”라고 말했습니다.

로스 알라모스부터 부다페스트까지

몬테카를로 방식은 1940년대 맨해튼 프로젝트(Manhattan Project)에서 실시한 연구로 거슬러 올라갑니다. 연구자와 엔지니어가 연산이 까다로운 알고리즘에 GPU를 적용하기 시작한 것은 불과 최근의 일입니다.

몬테카를로 방식에 GPU를 적용한 워스의 작업은 SPECT(single-photon emission computerized tomography) 스캔용 카메라에 사용된 메디소(Mediso)의 소프트웨어 기능에 추가됐습니다. SPECT 스캔은 환자 혈류에 주입되는 방사성 동위원소를 사용합니다. 그 다음 의료진은 특수 카메라를 사용해 장기의 3D 이미지를 캡처했죠.

메디소는 자체 U-Net 컨볼루션 뉴럴 네트워크 아키텍처에 1천장의 뼈 스캔 이미지를 트레이닝 시켰습니다. U-net은 이미지 분할을 강화해 다양한 세부 영역이 명확히 드러나도록 하기 위한 목적으로 의료 이미징에 사용됩니다.

워스는 이러한 유형의 계산을 수행하려면 많은 연산 능력이 필요하다고 하네요. 그리고 그는 “기존에는 이런 유형의 계산은 슈퍼컴퓨터만 할 수 있었습니다. GPU가 일반적인 컴퓨팅에 사용되기 전까지 몬테카를로 입자 운반법을 의료 이미징에 사용하는 것은 말도 안됐죠”라고 말했습니다.

GPU 주입량 축소

의료 이미징에 투입되는 방사성 동위원소는 환자에 사용할 수 있는 저준위 발암 물질이며, 이미징 시설이 이를 확보하려면 비용이 많이 들고 특수 처리가 필요합니다.

워스는 “몸에 핵 동위원소를 지니고 싶은 사람은 없죠. 그래서 저희는 체내에 주입되는 양을 최소화 하려는 겁니다. 위험이 따르기 때문이죠”라고 말했습니다.

그러나 방사성 동위원소 투입량을 낮추면 라인을 해독하기 더 어려워지며, 흐릿하게 표현돼 뼈 내부에 있는 병변을 감지하기 어렵게 만듭니다.

메디소는 GPU에서 실행되는 자체 뉴럴 네트워크 솔루션을 사용해 이미징 “노이즈”를 최소화 하는 반면, 환자에 투여되는 방사성 동위원소량을 1/8로 줄였습니다.

워스는 “오늘날 GPU 도움 없이 뉴럴 네트워크 기반 제품을 개발하는 걸 상상하기 어렵습니다. 그러나 그게 다가 아닙니다. 의료 이미징에서 프로세싱 시간이 중요한 관계로, GPU 기술은 이미징 제품의 중요한 요소가 됐습니다”라고 말했습니다.