아웃스캔딩(outscanding)! 이것은 최고의 의료 센터와 대학의 연구원들이 인공지능(AI)과 의료 영상 분야에서 획기적인 연구를 지칭할 때 쓰는 표현인데요.
헬스케어 분야에 진입한 AI는 어느 분야에서보다 방사선학에서 가장 두각을 보이고 있습니다. 방사선학 분야는 머신 러닝이 모든 작업 단계에서 치료를 돕는 사람을 옆에서 지원하고 있는데요.
세인트주드 소아연구병원(St. Jude Children’s Research Hospital)에서 연구진은 암 치료가 뇌 구조에 미치는 영향을 연구하기 위해 AI를 사용하고 있습니다.
또한 샌프란시스코 캘리포니아 대학(Univ. of California, San Francisco)의 데이터 과학자들은 임상 팀이 머신 러닝을 사용해 방사선 작업 흐름의 일부를 자동화하는 데 도움을 주고 있습니다.
중국 상하이에서는 방사선 전문의들이 AI를 사용해 단일 이미지에서 골절이나 여러 질병 식별에 도움을 얻고 있죠.
다음 글에서는 전세계적으로 의료 영상을 발전시키고 있는 놀라운 연구기술에 대해 자세히 알아보겠습니다. 이번 11월 8일부터 11일(현지시각)까지 온라인으로 진행되는 세계 최대의 GPU 기술 컨퍼런스인 GTC 2021에 등록해보세요. AI와 가속 컴퓨팅을 사용하는 전세계 헬스케어 전문가들로부터 의견을 들을 수 있습니다.
NVIDIA DGX로 치료법을 찾기 위해 데이터를 추출하는 세인트주드 병원 연구진
소아 질병을 치료하고 완전히 치유하는 것 외에도, 세인트주드 연구병동 팀은 소아 뇌종양 치료제를 개발하는 연구를 이끌고 있습니다.
중수모세포종은 소아암 진단에서 가장 흔한 악성 뇌종양입니다. 광범위한 치료를 한 경우라면 평균 생존율은 70%에서 75% 사이인데요. 하지만 암을 치료하는 동안 그 치료법은 장기적 신경인지 결함 등과 같은 다른 합병증을 일으킬 수 있습니다.
또한 몇 주나 몇 년에 걸쳐 언어, 감정, 운동 기능에 문제를 일으키면서 후부 포사(posterior fossa) 증후군이라고 불리는 단기 뇌 손상을 불러올 수 있죠.
세인트주드 연구 병동의 생물통계학자 자오화 루(Zhaohua Lu)는 방사선 치료 후에 얻은 신경영상 데이터를 사용해 암 치료로 영향을 받은 환자들을 다양한 뇌 구조로 구성한 하위집단의 신경 인지 결과를 비교하고 있습니다.
수막세포종 치료 이후 구조적인 뇌 변화를 조사하는 이 연구는 예후를 더욱 빨리 진단하고 더욱 세부적인 치료를 가능하게 만들 것입니다.
자오화 루는 “우리는 MRI 측정치에 따라 환자를 하위집단으로 구분하기 위해 신경 영상 데이터를 사용합니다. 따라서 방사선 치료 후에 기준치에서 MRI를 측정하는 것은 36개월 후에 측정할 신경 인지 결과에 대해 꽤 정확한 예측치가 되어줍니다”라고 말했습니다.
연구에 NVIDIA DGX A100을 사용하는 자오화 루 연구팀은 신경영상 데이터에서 특징을 추출하기 위해 3D 컨볼루션 자동 인코더(3D convolutional autoencoder)를 개발했습니다. 향후 연구에서 연구팀은 나이, 성별, 치료 강도 등과 같은 잠재적 변수를 조사해 가설을 더욱 뒷받침하는 보다 엄격한 모델을 구축할 예정입니다.
샌프란시스코 캘리포니아 대학 연구를 임상 방사선 애플리케이션으로 변신시킨 NVIDIA Clara
영상과 방사선 전문의에 대한 수요가 증가하고 있는데요. 이에 임상 팀은 데이터 획득에서부터 추론, 검토, 임상 실습에 이르기까지 방사선학의 워크플로우의 모든 단계에 머신 러닝을 도입함으로써 대학 연구의 혜택을 누릴 수 있습니다.
이 머신 러닝 모델을 사용한 한 애플리케이션은 환자의 고관절 골절을 감지해 중증도를 분류합니다. 분류 알고리즘은 물체를 감지해 왼쪽과 오른쪽 둔부를 식별하고 골절 여부를 분류하여, 둔부에 보철물이 있는지 여부를 확인합니다. 골절이 감지된다면 이 사례를 분류 목차에서 상위로 올려 두어 더욱 빠르게 검토할 수 있게 만듭니다.
샌프란시스코 캘리포니아 대학(UCSF) 인공지능 센터의 데이터 과학자인 벡 올손(Beck Olson)은 “한 번은 우리가 임상 워크플로우에 알고리즘 삽입을 구현하는 문제를 두고 논의하던 중, 의사들은 그 작업을 위해 클릭을 두 번 해야 한다면, 작업이 너무 느려진다고 말했습니다. 의사들은 단 한번의 클릭으로 데이터에 접근할 수 있어야 했습니다. 이러한 워크플로우는 효율성 면에서 아주 미세한 차이를 주지만 우리는 이러한 결과까지도 매끄럽게 통합해야 합니다”라고 말했습니다.
샌프란시스코 캘리포니아 대학 프레임워크는 NVIDIA Clara Deploy 소프트웨어 개발 키트를 사용해 방사선 전문의의 기존 워크플로우를 통해 데이터를 전송합니다. 그 다음 이 데이터는 추론 모델로 이동하고 NVIDIA Clara Train SDK에서 실행되는 사용자 지정 연산자를 사용해 정량화되죠.
이 결과들은 임상 검토를 위해 오픈 소스 XNAT 플랫폼으로 전송됩니다. 임상의는 데이터 과학자에게 피드백을 제공하고, 데이터 과학자는 다시 머신 러닝 모델을 재교육합니다. 또한 이는 NVIDIA Clara Deploy를 사용하고 있는 추론 모델을 업데이트하는 데 사용되어, 방사선 전문의에게 원활한 경험을 제공합니다.
의료영상기기 제조업체가 단일 이미지로 여러 질병을 식별할 수 있게 돕는 AI
정신적 외상 환자의 경우, 다발성 늑골 골절은 잠재적 호흡 부전과 전체 사망률을 나타내는 핵심 지표가 되는, 부상의 중증 정도를 보여줄 수 있습니다. 방사선 전문의들은 시간과 노력을 들여서 너무 늦기 전에 이러한 부상들을 빠르게 인지할 수 있어야 하죠.
NVIDIA Inception 가속 플랫폼의 회원사이자 상하이에 본사를 둔 유나이티드 이미징 인텔리전스(United Imaging Intelligence)는 AI를 사용해 의료 기기를 보다 효율적으로 만들고 임상 워크플로우를 최적화하며 최신 연구를 촉진합니다.
유나이티드 이미징 인텔리전스 미국지사 CEO 테렌스 첸(Terrence Chen)은 “우리는 AI를 바라보는 적절한 방법이 AI를 의료 전문가들을 위한 ‘가장 가까운 친구’로 만드는 것이라고 믿으며, 의료진의 작업 효율화를 위해 힘을 실어주고 있습니다. 그러나 AI가 의료진을 대체할 수는 없습니다”라고 전했습니다.
유나이티드 이미징 인텔리전스 기술은 AI를 통해 단일 이미지에서 여러 질병을 분석하고 탐지할 수 있습니다. 흉부 CT 스캔을 통해, uAI 포탈 기술은 폐렴, 코로나19, 식도암, 척추 종양, 유방 종괴와 병변과 같은 질병뿐만 아니라 갈비뼈 골절, 폐 결절, 림프전증 등을 감지합니다.
uAI 기술은 NVIDIA JetPack SDK 와 Jetson 임베디드 모듈에서 실행되며 여기에는 Jetson TX2, Jetson Nano, Xavier NX가 포함됩니다. NVIDIA TensorRT를 사용하면 효율성이 최대 40% 향상되고 GPU 메모리 요구 사항이 50% 절감됩니다.
이에 관련한 NVIDIA GTC에서의 전체 대담 영상과 기타 여러 무료 세션은 NVIDIA 온디멘디드에서 다시 보기로 확인하실 수 있습니다.
NVIDIA 헬스케어 뉴스를 구독해보세요.