인공지능 ‘딥러닝(Deep Learning)’ 으로 직업성 폐 질환인 진폐증을 쉽게 진단할 수 있다는 연구 결과가 나왔다.

가톨릭대학교 서울성모병원 직업환경의학과 명준표 교수와 강상훈(한국 IBM), 최준(가톨릭의대 직업환경의학교실 연구원) 연구팀이 2011년 5월부터 2017년 3월까지 서울성모병원진폐 판정자 1200명의 영상을 딥러닝한 결과 진폐증 진단 정확도가 95%에 달했다.

진폐증에 인공지능을 이용한 것은 이번이 처음이다. 앞으로 영상의학과 전문의들이 진폐증 판정 시 진단보조에 활용할 수 있을 것으로 기대된다.

연구팀은 단순흉부방사선 영상과 컴퓨터단층촬영 결과 모두 진폐가 확인된 영상을 연구군으로, 서울성모병원 검진센터에서 검진을 수행한 60세 이상 일반 수검자들의 영상을 대조영상으로 활용했다.

특히 영상의 질적 일관성을 유지하기 위해 근로복지공단 폐질환연구소에서 제작하여 보급한 한국진폐표준디지털영상(KoSDI)를 추가해 진폐영상 판정 시 정확도를 높였다.

획득한 영상을 합성곱 신경망네트워크(Convolutional Neural Network 이하 CNN) 방법으로 특성을 추출했다. CNN은 막대한 데이터를 기계가 학습하도록 만드는 기술로, 기존 중앙처리장치(CPU)보다 월등한 연산 능력을 자랑하는 그래픽처리장치(GPU) 하드웨어가 등장하면서 구현이 가능해졌다.

엔비디아(NVIDIA)사의 테슬라(Tesla) P100 8기를 병렬 연결해 GPU기반 가속 연산을 활용하여 판정보조 시스템 훈련을 수행헀다. 서울성모병원 영상을 활용한 훈련(training set)시 진폐 여부 분류는 96%의 정확도를 보였지만, 검정(validation set)시 93%의 정확도를 보였다. 최종 KoSDI 영상을 추가한 추가 분석에서는 검정시 95%의 정확도를 보였다.

명준표 교수는 “추가적인 연구를 통해 서울성모병원 진료시 축적된 석면피해구제 및 가습기살균제로 인한 폐손상 등의 환경성 질환 영상 판정에도 진단보조 프로그램 역할을 확대하고, 점차 증가추세인 환경성 질환 예측 등에도 인공지능을 적용하여 다양한 활용 모델을 개발하는데 힘쓸 것”이라고 강조했다. 

한편 진폐증은 분진으로 인한 폐의 섬유화 반응이 일어난 병변이며, 근로복지공단에서 분진노출 및 영상판정을 통해 국가가 산업재해보상을 시행하고 있어, 영상 판정이 매우 중요하다. 매해 약1만명이 심사를 신청하지만, 약 20% 2000명만 실제 장해판정을 받는 진폐증환자이다.

진폐증이 아닌 환자도 세세히 심사를 하다보니 기간도 오래걸리고 불필요한 의료기관의 인력낭비도 심한 상황이다. 또한 임기가 3년인 진폐 심사위원의 변경 주기에 따른 영상판정의 변화로, 심사청구, 재심사 청구, 행정소송 등의 분쟁이 발생하여 국가적인 손실이 커 정확하고 일관성 있는 심사 기준도 절실하다. 

연구팀은 이번 연구 수행 결과로 진폐증 환자 진단이 좀 더 객곽적이고 빨라질 수 있을 것으로 전망했다.