국내 연구진에 의해 개발된 소장 캡슐내시경 영상 판독을 위한 딥러닝 알고리즘이 96%이상의 높은 판독 정확도를 입증했다. 가톨릭대 여의도성모병원은 이한희 소화기내과 교수 연구팀(서울성모병원 소화기내과 이보인 교수, 포항공대 산업인공지능연구소 이승철 교수)이 인간에 의한 기존 영상판독의 한계 극복을 위해 영상판독 딥러닝 알고리즘을 개발, 그 정확도를 비교분석한 결과를 16일 공개했다. 

캡슐내시경은 알약 모양의 캡슐을 입으로 삼켜 식도, 위장, 소장 등의 건강 상태를 촬영하는 의료기기다. 일반 내시경이 들어가기 힘든 소장을 관찰할 수 있어 원인 모를 복통, 설사, 출혈, 빈혈, 용종, 궤양, 크론병, 소장종양 등 다양한 질환의 진단과 원인 파악에 활용되고 있다.

캡슐내시경은 초당 수십 장의 정지 영상을 촬영해 8~12시간 소화관을 돌아다닐 경우 약 5만장 이상의 정지영상이 생성된다. 수 만장의 영상을 의사가 일일이 판독하는데 1~2시간이 소요된다. 또 병변이 작거나 찍힌 영상 숫자가 적을 경우 판독자에 따라 진단정확도가 떨어진다.

연구팀은 2007년 5월부터 2019년 5월까지 시행된 526건의 소장 캡슐내시경 검사에서 7556장의 영상을 추출, 추출된 영상을 대표적인 소장 병변을 크게 출혈성 병변(적색 점, 혈관이형성, 현성 출혈)과 궤양성 병변(미란, 궤양, 협착)으로 분류했다.

이어 포스텍 산업인공지능연구소에서 개발한 영상분석 특화 딥러닝 기법 중 하나인 VGGNet 기반의 컨벌루션 신경망(Convolutional Neural Networks, CNN) 알고리즘으로 영상을 분류하고 학습시켰다.

학습 단계에서는 출혈 및 궤양 병변을 개별적으로 학습시키는 합성모델과 전체 영상을 정상·비정상으로만 나누어 학습시키는 이분형모델의 두 가지 방법을 진행했다. 판독결과를 출력하는 단계에 Grad-CAM 기술을 적용해 병변 부위를 시각화했다. 개발된 모델의 검증비교를 위해 모델훈련에 사용되지 않은 5760장의 소장 캡슐내시경 영상을 추가해 합성모델과 이분형모델의 판독 정확도를 비교했다.

분석 결과 두 모델 모두 96%이상의 높은 정확도를 보였으며 특히 합성모델은 이분형모델에 비해 소장 병변을 더 잘 발견하는 것으로 나타났다. 또 Grad-CAM을 통해 해당 병변을 정확히 시각화하는 것도 합성모델이 더 우수한 것으로 나타났다.

이한희 교수는 “소장 캡슐내시경 판독 알고리즘 개발로 인간보다 빠르고 정확하게 소장 병변을 파악하고, 소장의 정상 또는 비정상 분류를 넘어 개별 병변의 특성을 판단하고 시각화된 병변의 위치를 확인함으로써 판독된 영상의 2차 검증이 가능할 것으로 기대된다”고 말했다. 이어 “향후 실제 임상에서의 효용성을 평가하기 위해 전향적 연구를 진행하고, 첨단 의료기기 상용화를 목표로 포스텍과의 공동연구를 계속 추진할 예정”이라고 덧붙였다.

이번 연구는 한국연구재단 임상의과학자 연구역량강화 사업 지원을 받아 진행됐다. 연구 결과는 ‘소화기내시경’(Digestive Endoscopy. IF=4.774) 2020년 8월호 온라인판에 게재됐다.