전체 의사 중 3분의 1정도는 업무와 관련해 한 번 이상 소송을 겪게 될 텐데요, 주로 진단 오류 때문인 경우가 많습니다. 존스홉킨스 메디슨(Johns Hopkins Medicine) 조사에 따르면, 의료 과실은 미국 내에서 세 번째로 비중이 큰 사망 원인이라고 합니다.
GPU 기술 컨퍼런스 발표자로 나선 리마 아노트(Riman Arnaout) 심장 전문의는 딥 러닝이 의료진의 진단 오류를 줄일 수 있는 잠재력을 갖고 있다고 말했습니다.
미국 UC샌프란시스코 의대 교수인 아노트는 AI의 심장 초음파 분석, 태아 초음파를 통한 선천성 심장질환 발견 가능성을 집중 연구합니다.
아노트 교수는 “의료분야에서는 수 천 마디 말보다 사진 한 장이 훨씬 가치 있습니다. 일부 경우에서는 환자 목숨을 좌우하기도 하죠”라고 말했습니다.
AI가 도움을 줄 수 있는 부분은?
아노트 교수는 인간이 의료 이미지를 분석하는데 따르는 몇 가지 주요 문제점에 대해 설명했습니다. 우선, 사람은 실수를 하죠. 심장 전문의와 방사선 전문의 같은 전문가들이 분석할 수 있는 심장 이미지 데이터 양에는 물리적 한계가 있습니다.
아노트 교수는 “우리는 이런 단점을 그냥 내버려둬서는 안되죠. 정확성, 정밀성이 필요하며, 이를 대규모로 제공할 수 있어야 합니다”라고 말했습니다.
AI 모델이라고 한계가 없는 것은 아니지만, 이들은 초음파 같은 의료 이미징 기술을 의료진이 최대한 활용할 수 있도록 지원할 수 있다는 것이 아노트 교수의 설명입니다.
아노트 교수는 다른 심혈관 이미징 도구와 비교해 정보가 풍부하고 임상 사례가 균형을 이룬다는 점에서 심초음파 데이터를 활용합니다. 심초음파 검사는 대부분의 심혈관 질환 진단과 관리에 사용되므로 데이터세트 선택 편향이 거의 없는 편이라고 하네요.
그러나 초음파 검사 한 건은 10여개 이상의 각도에서 촬영한 정지 이미지와 영상으로 구성되기 때문에 상당히 까다로운 트레이닝 데이트세트 입니다. 아노트 교수 연구팀이 npj 디지털 메디슨(npj Digital Medicine)에 게재한 연구에서는 딥 러닝을 사용해 표준 이미지 15건을 분류했으며, 저해상도 이미지에서 91.7% 정확성을 달성했습니다.
태아 선천성 심장질환 감지
아노트 교수의 최근 연구는 태아 초음파에서 선천적 심장질환을 탐지하는데 집중했습니다. 이론상 복잡한 선천성 심장질환 사례 진단의 90% 이상이 기존 태아 검사 초음파로 이뤄지지만, 실질적 감지율은 50% 미만입니다.
이러한 격차가 발생하는 이유 중 하나는 태아 심장이 작고 박동이 빠르기 때문입니다. 태아 자제가 자주 움직이기 때문에 진단에 사용할 만한 이미지 품질이 나오기 어려울 수 있죠. 선천성 심장질환은 가장 흔한 선천성 결함이지만, 실제 발병률은 전체 신생아의 1%에 불과합니다. 발병률이 낮기 때문에 판독 인력이 포착하지 못하고 놓치기 쉽죠.
바로 이 부분에서 알고리즘이 도움이 될 수 있습니다. 한번의 트레이닝으로 선천성 심장질환을 계속해서 포착해 낼 수 있습니다.
UC 샌프란시스코 연구진은 18-24주수 태아의 심장 초음파 수백 건을 사용해 두 종류의 선천성 심장질환을 구분할 수 있는 컨볼루션 뉴럴 네트워크를 개발했습니다. 아마존웹서비스(AWS) 클라우드에서 실행되는 NVIDIA GPU에서 트레이닝된 이 딥 러닝 모델은 평균 진단율을 상회하는 수준으로 이 두 종류 질환을 분류할 수 있죠.
심장 결함을 조기 감지하면 출생 후 환자에 더 나은 결과를 가져다 줄 수 있습니다. 태아 초음파에서 특정 유형의 병변이 감지되면 의료진은 출생 시점에 태아 심장 상태를 크게 향상시킬 수 있는 자궁 내 치료법을 권고할 수 있죠.
아노트 교수는 “이 방법은 한 인간의 전반적 삶에 실질적 영향을 줄 수 있는 가능성을 갖고 있습니다”라고 말했습니다.
메인 이미지는 흔히 발생하는 선천성 심장질환인 심실중격결손증 (심장에 구멍이 있는 경우)을 보여주는 심초음파 이미지입니다. 키틸 린스/에코(Kjetil Lenes/Ekko) 촬영. 위키미디어 커먼스에 공개 게시.