건국대병원 김형찬 교수, 황반변성 병변 구획화에 AI 성능 확인

▲ 건국대병원 안과 김형찬 교수

국내 연구팀이 딥러닝 기반의 인공지능 모델을 이용해 황반변성을 진단할 때 유용하다는 연구결과를 발표했다. 

건국대병원 안과 김형찬 교수팀이 인공지능이 삼출성 나이관련 황반변성 환자에서 관찰되는 병변들을 높은 정확도로 빠른 시간 내 구획화했다고 밝혔다. 

김 교수팀은 삼출성 나이 관련 황반변성 환자의 빛간섭단층촬영에서 관찰되는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리를 딥러닝 기술인 컨볼루션 신경망(Convolutional Neural Network, CNN)을 이용해 자동으로 구획화 해 안과 전문의와 비교 분석했다.

삼출성 나이 관련 황반변성 환자 93명, 93안에서 빛간섭단층촬영 영상을 찍은 후 각각에서 10장의 B-scan을 무작위로 추출해 총 930장을 확보했다.

이 중 550장은 회전, 늘임, 줄임 등의 변화를 거쳐 11550장으로 증강시킨 후 신경망 학습에 활용하고 140장은 학습 과정이 적절하게 이뤄지는지 확인하는 용도로 사용했다. 남은 240장은 훈련된 학습망의 테스트에 사용했다. 

인공지능과 2명의 안과 의사 간의 Dice coefficient(다이스 계수), 양성예측도, 민감도, 상대면적차이, 급내상관계수 및 구획화에 사용한 시간도 확인했다.

그 결과 240장의 시험데이터에 대해 신경망과 안과 의사 1간의 다이스 계수는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리 순서로 0.78, 0.82, 0.75, 0.80 로 나타났다. 

양성예측도는 0.79, 0.80, 0.75, 0.80, 민감도는 0.77, 0.84, 0.73, 0.81로 확인됐다. 또 상대면적차이는 -4.32%, -10.00%, 4.13%, 0.34%로 10% 이내였고, 급내상관계수는 0.98, 0.98, 0.97, 0.98로 높게 측정됐다. 

신경망과 의사 2간에, 의사 1과 의사 2간의 결과도 유사했다. 진단의 정확도 면에서는 안과의사와 신경망이 유사한 결과치를 낸 것. 반면 시험 데이터를 구획화하는 데 있어서는 의사가 약 10시간, 신경망은 약 10초로 신경망의 속도가 현저히 빨랐다.

김형찬 교수는 "컨볼루션 신경망이 상대적으로 훨씬 짧은 시간에 다양한 삼출성 나이관련 황반변성 병변의 구획화를 정확하게 수행했다"며 "향후 병변들의 정량적 분석에 유용할 것"이라고 연구 의의를 밝혔다.

이 연구는 안과학 분야의 최고 권위 학술지인 '미국안과학회지(American Journal of Ophthalmology(AJO)' 7월에 게재됐다.

 

 

 

 

저작권자 © 메디칼업저버 무단전재 및 재배포 금지