Ultrasound Tomography of Musculoskeletal Tissues with Generative Neural Physics

진흙이 가득 찬 닫힌 상자 안을 열지 않고 내부를 들여다보는 것을 상상해 보십시오. 엑스레이(X-ray)를 사용할 수는 없습니다. 엑스레이는 내부의 물체에 해를 끼칠 수 있는 아주 밝고 강렬한 손전등과 같기 때문이며, 카메라를 사용할 수도 없습니다. 진흙이 시야를 가로막기 때문입니다. 이것이 의사들이 방사선을 사용하지 않고 근육과 뼈 깊은 곳을 들여다봐야 할 때 직면하는 과제입니다. 수십 년 동안 의사들은 박쥐의 초음파 탐지법처럼 음파를 사용하여 몸속을 들여다보았습니다. 하지만 소리는 안전하고 저렴하지만, 까다로운 문제가 하나 있습니다. 소리가 뼈와 같은 딱딱한 물체에 부딪히면 무질서하게 튕겨 나가며 컴퓨터가 풀어내기 힘든 혼란스러운 메아리의 미로를 만들기 때문입니다. 이는 마치 천둥번개가 치는 경기장 안에서 단 하나의 대화 소리를 들으려고 애쓰는 것과 같습니다. 이를 해결하기 위해 과학자들은 보통 컴퓨터가 소리가 어떻게 움직였는지 추측하도록 거대하고 느린 시뮬레이션을 실행하지만, 이러한 계산은 너무 오래 걸려 실제 의료 현장에서 실시간으로 사용하기에는 너무 느린 경우가 많습니다.

이제 컴퓨터에게 인체의 내부가 어떻게 생겼는지 "꿈꾸는" 법을 가르칠 수 있다고 상상해 보십시오. 그리고 그 꿈을 이용해 복잡한 음파 문제를 즉각적으로 해결할 수 있다면 어떨까요? 그것이 바로 새로운 연구가 제안하는 바입니다. 연구진은 "꿈꾸는 기계"(실제 같은 이미지를 생성하는 유형의 AI)와 "물리학 뇌"(소리의 움직임을 이해하는 똑똑한 계산기)를 결합한 영리한 시스템을 구축했습니다. 소리가 뼈에 부딪힐 때 어떻게 되는지 계산하기 위해 몇 시간 동안 숫자를 두드리는 대신, 이 새로운 방식은 시뮬레이션된 "꿈"의 라이브러리로부터 소리의 규칙을 학습한 다음 이를 즉시 적용합니다. 그 결과, 과거에는 몇 시간이 걸렸거나 다리처럼 복잡한 신체 부위의 경우 불가능하다고 여겨졌던 고해상도 3D 지도 제작을 10분 이내에 수행할 수 있게 되었습니다.

문제점: 음파의 교통 체증

이 새로운 방법이 왜 중요한지 이해하려면, 먼저 우리 몸속에서 음파가 마주하는 교통 체증을 살펴봐야 합니다. 의사들이 표준 초음파를 사용할 때는 주로 장기의 표면에 부딪혀 돌아오는 메아리를 듣습니다. 이는 공이 벽에 부딪히는 것과 같습니다. 하지만 초음파 단층 촬영(Ultrasound Tomography, UT)이라는 더 새로운 기술은 스테인드글라스를 통과하는 빛처럼, 몸을 통과하여 이동하는 파동을 듣고자 합니다. 이를 통해 내부를 훨씬 더 선명한 3D 영상으로 보여줍니다.

그러나 이 파동이 팔이나 다리를 통과할 때 뼈에 부딪히게 됩니다. 뼈는 근육이나 지방과는 매우 다릅니다. 딱딱하고 밀도가 높습니다. 소리가 뼈에 부딪히면 단순히 한 번 튕겨 나가는 것이 아니라, 사방으로 흩어져 혼란스러운 "메아리 폭풍"을 만들어냅니다. 이 혼란스러운 메아리를 선명한 그림으로 바꾸기 위해 컴퓨터는 "전파형 역전(Full-Waveform Inversion, FWI)"이라는 복잡한 수학 문제를 풀어야 합니다. 이것은 완성된 케이크를 맛봄으로써 그 레시피를 역설계하려는 것과 같습니다. 다만 그 케이크는 수천 개의 재료가 믹서기에 섞여 있는 상태입니다. 컴퓨터는 맛이 일치할 때까지 혼합 과정을 반복해서 시뮬레이션하며 레시피를 추측해야 합니다. 단순한 케이크(연조직)의 경우 이는 쉽습니다. 하지만 돌덩어리가 들어있는 케이크(뼈)의 경우, 컴퓨터는 파동이 돌에 어떻게 부딪혔는지 알아내기 위해 루프에 빠져 헤매게 됩니다. 다리의 단 한 조각을 해결하는 데만 슈퍼컴퓨터로 몇 시간이 걸리며, 이는 바쁜 의사의 진료실에서는 사용하기에 너무 느립니다.

해결책: 꿈꾸는 물리 엔진

이 논문의 연구진(베이징 대학교 및 기타 기관의 팀 주도)은 매번 처음부터 수학 문제를 풀려고 노력하는 대신, "생성적 신경 물리(generative neural physics)" 프레임워크를 구축하기로 했습니다. 이것은 창의적인 예술가와 엄격한 물리 선생님이 팀을 이룬 것으로 생각할 수 있습니다.

1단계: 꿈꾸는 자 (현실적인 시나리오 생성)
먼저, AI를 훈련시키기 위한 거대한 "연습 문제" 라이브러리가 필요했습니다. 수천 명의 다리를 음파로 직접 스캔하는 것은 너무 어렵고 비용이 많이 들기 때문에, 그들은 "꿈꾸는 기계"를 사용했습니다. 그들은 기존의 팔과 다리 CT 스캔을 가져와 특수한 AI를 사용하여 이를 음속 지도(sound-speed maps)로 변환했습니다. 그런 다음 생성 모델(텍스트로부터 예술 작품을 만드는 것과 유사한 모델)을 사용하여 뼈, 근육, 지방이 포함된 수천 개의 새롭고 현실적인 팔과 다리 변형을 만들어냈습니다. 심지어 AI가 온갖 이상한 체형을 처리할 수 있도록 "노이즈"와 무작위 형태까지 추가했습니다. 이를 통해 22,000개 이상의 가짜이지만 현실적인 신체 부위 디지털 라이브러리를 구축했습니다.

2단계: 물리 선생님 (S2NO)
다음으로, 그들은 "강한 산란 신경 연산자(Strong Scattering Neural Operator, S2NO)"라고 불리는 새로운 유형의 AI를 훈련시켰습니다. 이것은 단순한 패턴 매칭 도구가 아니라, 실제 물리 법칙을 이해하도록 설계되었습니다. 연구진은 "꿈" 라이브러리의 결과를 보여줌으로써 S2NO가 뼈에 부딪힐 때 소리가 어떻게 행동하는지 가르쳤습니다. S2NO는 다리를 통해 파동이 어떻게 산란되는지 순식간에 예측하는 법을 배웠습니다. 이는 학생에게 수학 문제의 정답과 그 뒤에 숨겨진 논리를 보여주어, 매번 긴 나눗셈을 하지 않고도 유사한 새로운 문제를 즉시 풀 수 있도록 가르치는 것과 같습니다.

결과: 몇 시간에서 몇 분으로

연구팀은 이 새로운 시스템을 가짜 데이터와 실제 인간 자원봉사자 모두에게 테스트했습니다. 그들은 두 명의 자원봉사자(남성 1명, 여성 1명)의 팔과 다리, 그리고 종양이 있는 환자의 유방을 스캔했습니다.

결과는 놀라웠습니다. S2NO를 사용하여 영상을 재구성했을 때:

• 속도: 인간 다리의 전체 3D 지도를 만드는 데 10분도 채 걸리지 않았습니다. 반면, 동일한 데이터에 대해 전통적인 컴퓨터 방식을 사용하면 단 한 조각을 만드는 데 2시간 이상, 즉 약 133분이 걸렸습니다. 다리 전체를 만드는 데는 며칠이 걸렸을 것입니다.
• 선명도: 이미지는 믿기 힘들 정도로 선명했습니다. AI는 대퇴골, 대퇴이두근, 심지어 혈관과 같은 다양한 조직 유형을 명확하게 구분할 수 있었습니다. 해상도는 이 분야의 표준인 MRI 스캔과 맞먹는 수준이었습니다.
• 정확도: 시스템은 유방 스캔에서 악성(암) 종양을 성공적으로 식별해 냈으며, 모양과 음속을 바탕으로 양성(무해한) 낭종과 구별해 냈습니다. 또한 다리의 복잡한 근육 구조를 성공적으로 지도화했는데, 이는 표준 초음파로는 매우 어려운 작업입니다.

이것이 왜 중요한가

이 논문은 이 접근 방식이 의료 영상 분야의 주요 병목 현상을 해결한다고 제안합니다. 수년 동안 뼈와 근육에 대한 3D 초음파 단층 촬영의 약속은 컴퓨터가 수학을 처리하기에 너무 느리다는 점 때문에 지체되어 왔습니다. 연구진은 AI에게 소리의 산란 물리 법칙을 "학습"시킴으로써, 몇 시간이 걸리던 문제를 몇 분 만에 해결할 수 있도록 만들었습니다.

연구는 이 방법이 큰 도약이지만, 여전히 일부 단순화에 의존하고 있다는 점을 명시하고 있습니다. 예를 들어, 현재 모델은 실제 파동은 3D로 움직임에도 불구하고 파동이 평면적인 2D 단면에서 움직이는 것처럼 취급합니다. 또한 소리가 뼈를 통과할 때 어떻게 약해지는지(감쇄)를 완전히 모델링하지는 않았습니다. 그러나 테스트 결과, 이러한 단순화에도 불구하고 주요 구조를 명확하게 볼 수 있을 만큼 결과가 정확하다는 것이 입증되었습니다.

이 연구는 이 기술가 모든 의료 영상 문제를 해결했다고 주장하거나, 이 기술이 당장 내일 모든 병원에 도입될 것이라고 말하는 것이 아닙니다. 대신, "생성적 신경 물리" 접근 방식이 실현 가능하다는 것을 보여줍니다. 생성형 AI의 창의성과 물리학의 엄격한 규칙을 결합함으로써, 우리는 드디어 뼈와 근육에 대한 고품질의 방사선 없는 3D 영상을 실제 생활에서 유용할 만큼 빠르게 구현할 수 있다는 것을 보여줍니다. 이는 느리고 이론적인 꿈을, 언젠가 의사들이 스포츠 부상이나 골 질환을 그 어느 때보다 빠르게 진단하는 데 도움을 줄 수 있는 실질적인 도구로 바꾸는 과정입니다.