[캠퍼스人+스토리]KAIST, 자가발전 흉부X선 인공지능 진단기술 개발

의사가 분류한 레이블 없이 데이터 축적만으로 성능 진화
비용 시간 대폭 축소 가능…'네이처 커뮤니케이션스' 게재

예종철 KAIST 김재철AI대학원 교수

결핵·기흉·신종 코로나바이러스 감염증(코로나19) 등의 흉부 엑스선 영상을 이용한 폐 질환의 자동 판독 능력을 스스로 향상할 수 있는 자기 진화형 인공지능 기술이 개발됐다.

KAIST는 예종철 김재철AI대학원 교수<사진> 연구팀이 서울대병원, 서울아산병원, 충남대병원, 영남대병원, 경북대병원과의 공동연구를 통해 이 기술을 개발했다고 27일 밝혔다. 이번 연구는 중견연구자지원사업, 범부처전주기의료기기연구개발사업 및 한국과학기술원 중점연구소 사업등의 지원을 받아 수행됐다.

현재 사용되는 대부분의 의료 인공지능 기법은 지도학습 방식으로서 인공지능 모델을 학습하기 위해서는 전문가에 의한 다량의 라벨이 필수적이나, 실제 임상 현장에서 전문가에 의해 라벨링 된 대규모의 데이터를 지속해서 얻는 것이 비용과 시간이 많이 들어 의료 인공지능 발전의 걸림돌이 돼왔다.

이를 해결하기 위해 예 교수팀은 병원 현장에서 영상의학과 전문의들이 영상 판독을 학습하는 과정과 유사하게, 자기 학습과 선생-학생 간의 지식전달 기법을 묘사한 지식 증류 기법을 활용한 자기 지도학습 및 자기 훈련 방식(DISTL) 인공지능 알고리즘을 개발했다.

이 알고리즘은 적은 수의 라벨데이터만 갖고 초기 모델을 학습시키면 시간이 지남에 따라 축적되는 라벨 없는 데이터 자체만을 가지고 해당 모델이 스스로 성능을 향상해 나갈 수 있다.

예 교수는 "지도학습 방식으로 성능을 향상하기 위해서는 전문가 라벨을 지속해서 획득해야 하고, 비 지도학습 방식으로는 성능이 낮다는 문제점을 극복한 DISTL 모델은 영상 전문의들의 인공지능 학습을 위한 레이블 생성 비용과 수고를 줄이면서도 지도학습 성능을 뛰어넘었다는 점에서 의미가 있고, 다양한 영상 양식 및 작업에 활용할 수 있을 것으로 기대된다"라고 말했다.

한편 이번 연구 결과는 국제 학술지 '네이처 커뮤니케이션스'에 지난 4일 자로 게재됐다.