이화여자대학교

검색 열기
통합검색
모바일 메뉴 열기

이화여자대학교

통합검색
nav bar
 
Ewha University

연구성과

    최장환 교수 연구팀, 획기적 인공지능 CT 기술 개발

최장환 교수 연구팀, 획기적 인공지능 CT 기술 개발

저선량 CT 해상도 높이고 방사선 노출 최소화하는 인공지능 기술 개발

美 스탠퍼드대, 메이요 클리닉 등과의 글로벌 공동 프로젝트로 주목받아

 

인공지능학과 최장환 교수 연구팀의 혁신적인 인공지능 CT(컴퓨터단층촬영) 화질 평가 기술 연구가 세계적 권위의 학술지 <Medical Image Analysis>에 게재됐다. 해당 저널은 방사선학 및 의료영상 분야 상위 1%에 속한다. 


최 교수팀은 고화질 정답값(ground truth)이 없어도 영상 전문의 수준의 이미지 인식 능력을 가진 인공지능 CT 화질 평가 모델을 개발하는 데 성공했다. 이는 기존의 전통적 품질 평가 방식이 진단의 정확성을 충분히 반영하지 못하는 한계를 극복한 연구로, 저선량 CT에서 고선량으로 검사한 효과의 선명한 영상을 얻을 뿐 아니라 인체의 방사선 노출을 최소화하는 방안을 제시했다. 


질병관리청의 2023년 국민 의료방사선 이용현황에 따르면 CT 촬영을 비롯한 우리나라 국민의 의료방사선 검사는 전년 대비 13% 증가한 연간 4억 건에 달하고 특히 CT 촬영의 피폭선량이 전체의 67.3%로 가장 높은 비율을 차지하고 있어 의료방사선 적정 사용의 필요성이 대두되고 있다. CT 촬영은 현대 의학의 가장 중요한 진단 도구의 하나로, 최근 인공지능 기술과 접목되면서 더욱 선명한 영상을 얻는 동시에 방사선 노출을 최소화하기 위한 혁신적인 기술 개발을 위한 노력이 이어지고 있다. 


인공지능이 CT 촬영에 도움을 주는 대표적인 방법은 CT 영상 이미지 재구성 기술에 있다. 전통적인 CT 영상은 몸 주위 여러 각도에서 많은 X선 이미지를 캡처한 뒤 컴퓨터에 의해 3D 이미지로 재구성하는데 이 과정에서 발생하는 잡음이나 허상(artifact)은 피할 수 없는 문제로 알려져 왔다. 또 기존의 전통적인 인공지능 모델들에는 정답값을 기준으로 학습하는 지도학습이 많이 사용되었으나, 의료 영상에서 정답값을 얻는 것은 매우 어렵고 비용이 많이 드는 한계가 있었다. 비지도학습(Self-supervised learning)은 AI 학습 방법 중 하나로, 데이터에 대한 정답값 없이 학습하는 방식이다. 최 교수팀은 비지도학습 기반의 인공지능을 도입해 방사선 전문의의 평가 정답값이 없어도 전문의가 평가하는 수준의 정확한 CT 이미지 품질 분석을 구현했다. 또한 AI 알고리즘이 영상의 잡음을 줄이고 더욱 명확하고 정확한 이미지를 얻게 해주어 환자에 대한 보다 정확한 진단과 치료 계획을 가능케 한다. 이 방법을 통해 의료진의 영상 평가 시간이 단축될 뿐 아니라 환자에게 가해지는 방사선 노출을 최소화하면서도 이미지 품질이 유지되는 장점이 있다. 

이원경 연구원과 최장환 교수(오른쪽)

이원경 연구원과 최장환 교수(오른쪽)


특히, 이번 연구는 미국 스탠퍼드대학교와 메이요 클리닉 등 세계 최고 수준의 인공지능 및 의료기관들과의 긴밀한 협업으로 진행되어 전 세계 의료영상 품질 평가 기준을 확립하기 위한 국제적 공동 프로젝트로 주목받고 있다. 연구팀은 국내 주요 8개 병원과 메이요 클리닉에서 수집한 데이터를 포함해 다양한 인종과 진단 상황을 반영해 CT 이미지를 평가할 수 있는 오픈 소스 데이터 세트를 세계 최초로 구축했다. 이는 2023년 개최된 ‘저선량 CT 인식 영상 품질 평가 챌린지(LDCTIQAC, Low-dose Computed Tomography Perceptual Image Quality Assessment Challenge)’에서 공개된 이래 많은 연구자들에게 관심을 받은 바 있다.


최장환 교수는 “이번 연구는 비지도학습 기반 인공지능 기술이 저선량 CT 이미지 품질 평가에서 얼마나 혁신적인지를 보여줄 뿐 아니라 방사선 노출을 최소화하면서도 진단에 필요한 이미지를 제공하는 방법을 새롭게 제시했다는 의미가 있다”며 “스탠퍼드대, 메이요 클리닉, 독일 FAU대학, 연세대학교와의 협업 덕분에 신뢰도 높은 데이터를 확보하고, 이를 통해 연구의 성과를 극대화할 수 있었다”고 연구 의의를 밝혔다.


이번 연구는 4단계 두뇌한국21 사업, 인공지능융합대학원사업, 범부처의료기기지원사업, 연구재단 중견연구, 바이오의료기술개발사업의 지원을 받아 수행됐으며, 의료영상 컴퓨팅 분야의 최상위 국제학술대회인 ‘MICCAI 2023’에서도 큰 주목을 받았다. 최 교수팀의 이번 성과는 향후 다양한 임상 환경에서 널리 활용될 수 있을 것으로 기대된다. 논문 원문은 https://doi.org/10.1016/j.media.2024.103343에서 확인할 수 있다.