A Generative AI Approach for Reducing Skin Tone Bias in Skin Cancer Classification

1. 문제 정의 (Problem Statement)

• 피부색 편향 (Skin Tone Bias): 현재 피부암 진단을 위한 AI 모델은 주로 밝은 피부 (Fair skin) 로 구성된 데이터셋으로 훈련되어, 어두운 피부 톤을 가진 환자들에게서는 정확도와 공정성이 현저히 떨어지는 문제가 발생하고 있습니다.
• 데이터 불균형: 가장 널리 사용되는 벤치마크인 ISIC (International Skin Imaging Collaboration) 데이터셋의 경우, 전체 이미지의 70% 이상이 밝은 피부 (Fitzpatrick I-III) 로 구성되어 있는 반면, 어두운 피부 (Fitzpatrick V-VI) 는 8% 미만 (약 1,407 장) 에 불과합니다.
• 진단 격차: 이러한 데이터 불균형으로 인해 AI 모델은 어두운 피부의 병변 패턴을 학습하지 못해, 해당 인구집단에서 오진이나 진단 지연이 발생할 위험이 있으며, 이는 의료 격차를 심화시킵니다.
• 데이터 수집의 한계: 어두운 피부의 임상 이미지를 추가로 수집하는 것은 개인정보 보호 규정, 기관적 접근 장벽, 그리고 희소성으로 인해 현실적으로 어렵습니다.

2. 방법론 (Methodology)

저자들은 생성형 AI 를 활용하여 어두운 피부 톤의 데이터를 인위적으로 증강 (Augmentation) 하는 파이프라인을 제안했습니다.

• 데이터 전처리 및 분석:
  • ISIC 데이터셋 (17,728 장) 을 분석하여 Individual Typology Angle (ITA) 지수를 계산하여 피부색을 객관적으로 분류했습니다.
  • Fitzpatrick V-VI (어두운 피부) 에 해당하는 1,407 장의 이미지를 추출하여 하위 집합을 구성했습니다.
• 생성 모델 (Generative Model):
  • Stable Diffusion 모델을 기반으로 하되, 소규모 데이터셋에 효율적으로 적응시키기 위해 LoRA (Low-Rank Adaptation) 기법을 적용하여 파인튜닝 (Fine-tuning) 했습니다.
  • 병변 유형 (흑색종/비흑색종) 과 피부색 (FST V-VI) 을 조건 (Condition) 으로 설정하여 합성 이미지를 생성했습니다.
  • 총 808 장의 고품질 합성 피부암 이미지를 생성하여 기존 데이터에 추가했습니다.
• 검증 및 통합:
  • 생성된 이미지는 색상 히스토그램, SSIM (Structural Similarity Index), GLCM 등을 통해 통계적 유사성을 검증하고 이상치를 제거했습니다.
  • 검증된 합성 이미지를 원본 데이터와 결합하여 총 18,536 장의 증강된 데이터셋을 구성했습니다.
• 하류 작업 평가 (Downstream Evaluation):
  1. 병변 분할 (Segmentation): 생성된 데이터의 구조적 유효성을 검증하기 위해, 실제 이미지만 포함된 테스트 세트에서 U-Net 기반 CNN 모델을 훈련하여 IoU, Dice 계수 등을 측정했습니다.
  2. 이진 분류 (Classification): EfficientNet-B0 모델을 사용하여 흑색종/비흑색종 분류 성능을 평가했습니다.

3. 주요 기여 (Key Contributions)

1. 편향 완화 파이프라인: 생성형 AI (Stable Diffusion + LoRA) 를 활용하여 피부암 데이터셋의 소수 피부색 (FST V-VI) 을 타겟으로 한 증강 파이프라인을 제안했습니다.
2. 데이터 다양성 증대: ISIC 데이터셋 내 Fitzpatrick V-VI 표현을 약 2 배 (1,407 장 → 2,215 장 수준) 늘려 데이터 불균형을 해소했습니다.
3. 이중 검증 전략:
   • 분할 (Segmentation): 합성 데이터가 실제 데이터의 구조적 특징을 학습했음을 증명하기 위해, 테스트 세트를 실제 이미지로만 구성하여 검증했습니다.
   • 분류 (Classification): 증강된 데이터셋을 활용한 분류 모델의 성능 향상을 입증했습니다.
4. 임상적 함의 논의: 생성형 AI 를 통한 데이터 증강이 의료 공정성 (Fairness) 을 높일 수 있음을 보여주었으며, 향후 임상적 유효성 검증의 필요성을 제기했습니다.

4. 실험 결과 (Results)

A. 병변 분할 (Segmentation) - 데이터 품질 검증

• 평가 방식: 증강된 데이터로 훈련된 CNN 모델이 **실제 이미지 (테스트 세트)**에서 얼마나 잘 작동하는지 확인.
• 성능 향상:
  • Mean IoU: 0.82 (기존) → 0.85 (증강)
  • Dice Coefficient: 0.88 → 0.90
  • Hausdorff Distance (경계 오차): 12 픽셀 → 10 픽셀 (감소)
  • 기존 Max-Flow 알고리즘 (0.75) 보다 CNN 기반 접근법이 월등히 우수함을 재확인했습니다.
• 의미: 합성 이미지가 실제 병변의 구조적 특징을 정확히 포착하여 모델 학습에 기여했음을 입증했습니다.

B. 이진 분류 (Classification)

• 모델: EfficientNet-B0
• 성능 지표 (검증 세트 기준):
  • 정확도 (Accuracy): 85.45% → 92.14%
  • 정밀도 (Precision): 0.82 → 0.89
  • 재현율 (Recall): 0.78 → 0.87
  • F-Score: 0.80 → 0.88
• AUC (Area Under Curve): 0.9765 → 0.9480 (약간 감소).
  • 해석: 분류 정확도는 크게 향상되었으나, AUC 감소는 합성 이미지가 실제 이미지의 미세한 판별 구조를 완벽히 모사하지 못해 확률 순위 매기기가 다소 어려워졌음을 시사합니다. 이는 분류 임계값 기반 성능과 순위 기반 성능 간의 트레이드오프로 해석됩니다.

5. 의의 및 한계 (Significance & Limitations)

• 의의:

  • 의료 AI 의 공정성 (Fairness) 문제를 해결하기 위한 실용적인 프레임워크를 제시했습니다.
  • 생성형 AI 를 통해 데이터 수집의 물리적, 윤리적 제약을 우회하면서도 임상적으로 유의미한 구조적 정보를 학습할 수 있음을 증명했습니다.
  • 피부과뿐만 아니라 방사선학, 병리학 등 다양한 의료 영상 분야에서 인구통계학적 편향을 줄이는 데 적용 가능한 가능성을 보여줍니다.

• 한계 및 향후 과제:

  • 임상적 유효성 검증 부재: 생성된 이미지의 임상적 타당성 (Clinical Plausibility) 을 전문의가 평가하지 않았습니다. 향후 피부과 전문의의 검수가 필수적입니다.
  • 일반화 검증: 분류 평가 시 검증 세트에 합성 이미지가 포함되어 있어, 순수 실제 데이터에 대한 일반화 성능을 완전히 입증하지는 못했습니다.
  • 데이터 양: 생성된 808 장의 이미지는 전체 데이터 대비 약 4.6% 증가에 불과하여, 더 대규모의 증강과 병변 유형 (흑색종/비흑색종) 간의 불균형 해결이 필요합니다.

결론

이 논문은 생성형 AI (Stable Diffusion + LoRA) 를 활용하여 피부암 데이터셋의 어두운 피부 톤 편향을 완화하고, 이를 통해 분류 및 분할 모델의 성능을 향상시킬 수 있음을 입증했습니다. 특히 분할 평가를 통해 합성 데이터가 실제 임상 데이터의 구조적 특징을 학습하는 데 유효함을 확인했으며, 의료 AI 의 형평성과 접근성을 높이는 중요한 단계로 평가됩니다.