NVIDIA Clara AGX로 정확하게 피부병 진단하기

7월 19, 2021 by NVIDIA Korea

현재 미국에서 가장 발병률이 높은 암은 피부암입니다. 피부암의 주요 세가지 유형은 흑색종, 기저세포암, 편평세포암인데요. 그 중 흑색종은 전체 피부암 발병률에서 약 1%에 불과하지만, 조기에 발견해 치료하지 않으면 몸에서 빠르게 전이돼 가장 치명적입니다. 많은 연구에서 보여주듯이 암을 조기에 발견할 수 있다면 환자의 생존율을 높일 수 있기 때문에 조기에 검출하는 것은 아주 중요합니다.

현재 피부암 진단은 피부과 의사가 육안으로 검사한 뒤에 조직검사를 통해 의심되는 병의 여부를 확인하는 절차를 거치게 됩니다. 이런 수동적 검사에는 인간의 주관이 개입되어 상당한 수준의 오차가 발생되죠. 일차 진료 의사가 피부암을 진단하면, 환자의 병명을 정확히 식별할 수 있는 능력을 보여주는 민감도 수치는 0.45에 불과하지만, 피부과 의사의 민감도 수치는 0.97입니다.

최근 몇 년간, 의학 진단용으로 딥 러닝을 사용하는 분야가 빠르게 성장하고 있습니다. 이번 글에서는 딥 러닝을 통해 최근 발표된 NVIDIA Clara AGX development 키트를 사용해 사람들의 주관성이 개입되지 않고, 피부과 검사를 자동으로 할 수 있는 방법을 엔드-투-엔드 방식으로 개발한 예를 보여드립니다.

데이터세트와 모델

이 참조 애플리케이션은 두 가지 딥러닝 모델을 조합한 것입니다.

  • 물체 감지 모델(YOLOv4)은 카메라를 통해 몸에 난 피부의 작은 점들을 찾습니다. 이 모델은 신체의 점 영상에 주석을 달아 만든 원본 데이터 세트를 사용해 훈련됐습니다.
  • 분류 모델(EfficientNet)은 물체 감지 모델로 감지된 점들에 대한 정보를 받은 후에 그것이 양성인지 흑생종인지, 혹은 판별 불가능한 점인지의 여부를 판단합니다. 이 분류 모델은 SIIM-ISIC 흑색종 Kaggle 챌린지 데이터 세트를 사용해 훈련됐습니다.

<그림 1>은 단일 영상 프레임을 사용하는 알고리즘의 워크플로우를 보여줍니다. 이 애플리케이션은 모델에 대한 인풋으로 고화질 웹캠이나 IP 카메라를 사용하거나 예전에 캡처한 영상에서 실행될 수 있습니다.

그림 1. 피부에 생긴 점 감지와 분류 워크플로우

Clara AGX development 키트

이 참조 애플리케이션은 의료 애플리케이션용으로 구축된 고성능 워크스테이션인 NVIDIA Clara AGX development 키트를 사용해 만들어졌습니다. 이 development 키트에는 최대성능의 200+ TOPS의 INT8 AI 와 24GB의 VRAM을 제공하는 RTX 6000 GPU가 포함돼, 여러 모델을 실행할 수 있는 오버헤드(overhead)의 여력이 커집니다.

그림 2. Clara AGX Developer 키트

 또한 AGX 플랫폼은 100G 이더넷과 NVIDIA ConnectX-6 NIC(네트워크 인터페이스 카드)를 통해 고대역폭 센서를 지원합니다. NVIDIA 파트너사들은 현재 NVIDIA Clara AGX development 키트를 사용해 초음파, 유전체학, 내시경 분야의 애플리케이션을 개발하고 있습니다.

Clara AGX Developer 키트는 현재 NVIDIA Clara Developer Partner 프로그램의 회원들에게 전용으로 제공됩니다. 새로 등록한 회원들은 NVIDIA로부터 이에 관련한 연락을 받게 됩니다.

요약

NVIDIA는 피부과 애플리케이션의 연구 프로토타입을 제공했습니다. 하지만 이를 실제 애플리케이션으로 만들기 위해서는 다음과 같은 요소가 필요합니다.

  • 상용 데이터: SIIM-ISIC 데이터 세트는 엄격히 비상업적 용도로만 사용됩니다
  • 훨씬 더 많은 량의 대규모 개체 감지 데이터 세트: NVIDIA가 과거에 사용했던 데이터세트는 주석이 달린 수백 개의 영상에 불과했습니다. 이때문에 양성 오류 진단율이 상대적으로 높을 수밖에 없었습니다.
  • “빛의 속도”로 실행되는 모델(SOL): SOL은 종종 혼합 정밀도를 사용해 모델을 훈련하며 NVIDIA TensorRT 프레임워크와 함께 작동하도록 모델을 변환합니다. TensorRT는 NVIDIA GPU에 대한 모델 추론을 최적화하고 PyTorch와 TensorFlow와 같은 공통 프레임워크로 작업되도록 설계됐습니다. 이는 애플리케이션 파이프라인이 실시간으로 실행되도록 도움을 줍니다.
  • FDA 승인: 개발된 모든 의학용 애플리케이션은 FDA의 승인을 받아야 합니다. 현재, FDA의 승인을 받은 AI 애플리케이션은 70개가 넘습니다. FDA는 이 분야에 속한 개발자들로부터 피드백을 받기 위해 적극적인 노력을 기울이고 있습니다. 승인을 받기까지는 일반적으로 18개월이 걸리며 길고 힘든 과정을 거치지만, 이러한 절차는 반드시 거쳐야 하는 과정이죠.

자세한 내용은 NGC(NVIDIA GPU Cloud)의 피부과 참조 Docker 컨데이너에서 확인할 수 있습니다.