이미지 확대보기전 세계적으로 코로나19가 대유행하고 있는 상황에서 이 기술을 선별 진료(Triage)체계에 도입한다면 진단의 속도를 높일 수 있으며 한정된 의료 자원을 효율적으로 사용할 수 있을 것으로 기대된다.
코로나19 진단검사에는 '역전사 중합 효소 연쇄 반응(RT-PCR, Reverse Transcription Polymerase Chain Reaction)'을 이용한 장비가 사용된다. RT-PCR 검사는 90% 이상의 정확성을 보이지만 검사 결과를 알기까지 상당한 시간이 소요되며 비용이 많이 든다.
컴퓨터 단층촬영(CT, Computed Tomography)을 이용한 검사도 비교적 높은 정확성을 보이지만 일반적인 X선 단순촬영 검사에 비해 많은 시간이 소요되고 바이러스에 의한 장비의 오염 가능성 때문에 선별 진료에 사용되기 어렵다.
코로나19 팬데믹으로 확진자가 500만을 넘어서면서, 적은 비용으로 간편하게 검사할 수 있는 CXR에 대한 관심이 높아졌다. 여러 폐 질환에서 표준 선별 검사로 활용되고 있는 흉부 단순 방사선 촬영(CXR, Chest X-ray)은 코로나19 진단에서는 RT-PCR과 CT 검사 대비 정확성이 떨어졌다. 전문가들 사이에서는 기존 CXR 검사의 정확성을 높여 활용하자는 목소리가 높아지고 있다.
일부 연구진은 심층 학습(Deep Learning) 기법을 적용해 CXR 영상을 통해 코로나19 진단을 시도했다. 심층 학습 기법의 경우, 현재와 같은 비상 상황에서 일관되게 정제된 대량의 데이터를 수집하기 어려워 보편적으로 확대하는 데에 한계가 있었다.
카이스트 연구진은 자체 개발한 전처리(Preprocessing)와 국소 패치 기반 방식(Local Patch-based Approach)을 통해 이런 문제점을 해결했다. 적은 데이터 세트에서 발생할 수 있는 영상 간 이질성(Heterogeneity)을 일관된 전처리 과정으로 정규화한 뒤, 국소 패치 기반 방식으로 하나의 영상에서 다양한 패치 영상들을 얻어냄으로써 이미지의 다양성을 확보했다. 또 국소 패치 기반 방식의 장점을 활용한 새로운 인공지능 기술인 '확률적 특징 지도 시각화(Probabilistic Saliency Map Visualization)' 방식을 활용해 CXR 영상에서 코로나19 진단에 중요한 부분을 고화질로 강조해주는 특징 지도를 만들었는데 이 지도가 진단 영상학적 특징과 일치하는 것을 확인했다.
한편, 이번 연구 결과는 국제 학술지 '아이트리플이 트랜잭션 온 메디컬 이미징(IEEE transactions on medical imaging)'의 '영상기반 코로나19 진단 인공지능기술' 특집호 5월 8일 字 온라인판에 게재됐다.
차진희 기자 postmoneynews@gmail.com
