PulmoDiagAI: An Intelligent Medical Diagnosis System for Automated Pulmonary Pathology Classification using Deep Learning

인간의 폐는 매 호흡마다 산소를 교환하고 이산화탄소를 배출하도록 설계된 섬세하고 분지된 형태의 기도와 폐포 네트워크입니다. 이 시스템에 문제가 생기면 그 결과는 매우 빠르고 심각하게 나타날 수 있습니다. 오늘날 호흡기 건강을 위협하는 가장 시급한 두 가지 위협은 폐암과 코로나19(COVID-19)로 알려진 바이러스 감염입니다. 두 질환 모두 신체 내부에서 눈에 띄지 않게 숨어 있다가, 엑스레이나 CT 스캔과 같은 의료 영상에서 보이는 미세한 그림자와 질감을 통해서만 그 모습을 드러내는 경우가 많습니다. 수십 년 동안 이러한 영상을 해석하는 작업은 숙련된 전문가인 방사선 전문의들의 몫이었으며, 이들은 수천 장의 사진을 훑으며 질병의 희미한 징후를 찾아내야 합니다. 이 과정은 매우 중요하지만, 의사들이 너무 많은 환자를 처리하느라 과부하가 걸리거나 질병의 징후가 모호할 때 특히 지치기 쉽고 인적 오류가 발생할 가능성이 높습니다.

최근 몇 년 사이, 이러한 의료 전문가들을 보조하기 위한 새로운 도구가 등장했습니다. 바로 인공지능입니다. 구체적으로, 딥러닝이라 불리는 인공지능의 한 분야는 인간의 뇌가 하는 것과 매우 유사하게, 다만 한 번에 수백만 개의 사례를 처리함으로써 이미지 속의 패턴을 인식하는 법을 컴퓨터가 학습할 수 있게 해줍니다. 연구자들은 이러한 디지털 시스템이 폐렴, 종양, 바이러스 감염의 특징적인 흔적을 포착할 수 있도록 훈련시켜 왔습니다. 이 목표는 의사를 대체하는 것이 아니라, 결코 지치지 않고, 피로 때문에 세부 사항을 놓치는 일이 없으며, 환자가 직면한 상황에 대해 빠르고 일관된 의견을 제공할 수 있는 '두 번째 눈'을 제공하는 것입니다. 그러나 질문은 여전히 남아 있습니다. 어떤 특정 유형의 디지털 뇌가 어떤 특정 질병에 가장 적합한지, 그리고 이러한 복잡한 시스템을 병원에서 매일 사용할 수 있을 만큼 단순하게 만들 수 있는지 말입니다.

알제리의 물루드 마메리 대학교(Meldoud Mammeri University) 연구팀은 '풀모다이아지AI(PulmoDiagAI)'라고 명명한 새로운 시스템을 통해 이 질문들에 도전했습니다. 그들의 연구는 두 가지 뚜로운 위협인 폐암과 코로나19를 진단하기 위해 흉부 영상을 자동으로 분류할 수 있는 지능형 도구를 만드는 데 중점을 두고 있습니다. 이 시스템을 구축하기 위해 그들은 완전히 새로운 형태의 컴퓨터 뇌를 처음부터 발명하지 않았습니다. 대신, 이미 방대한 일반 이미지 라이브러리를 통해 학습된 다섯 가지 기존 아키텍처, 즉 사전 구축된 딥러닝 모델들을 테스트했습니다. VGG19, ResNet50, EfficientNet-B3와 같은 이름으로 알려진 이 모델들은 인간의 흉부를 전문적으로 관찰하도록 조정되었습니다. 연구진은 이 모델들에게 수천 장의 의료 영상을 입력하여 건강한 폐, 양성(비암성) 증식, 악성(암성) 종양, 그리고 바이러스 감염을 구분하도록 가르쳤습니다.

과정은 영상 자체를 세심하게 준비하는 것부터 시작되었습니다. 의료 스캔 영상은 밝기, 노이즈 또는 대비의 변화가 있어 컴퓨터를 혼란스럽게 할 수 있습니다. 연구팀은 모든 사진에 일련의 디지털 향상 기법을 적용하여, 영상을 그레이스케일로 변환하고, 정적 같은 노이즈를 제거하며, 대비를 선명하게 하여 폐의 가장자리와 잠재적인 이상 징후가 명확하게 드러나도록 했습니다. 이 단계는 매우 중요했는데, 이는 인공지능이 진단을 시작하기 전에 환자의 해부학적 구조를 가능한 가장 선명한 버전으로 보고 있는지 확인하는 작업이었기 때문입니다. 영상이 준비되자, 연구진은 다섯 가지 서로 다른 모델이 서로 경쟁하며 사진 속의 상태를 정확하게 식별하는 능력을 테스트하게 했습니다.

결과는 단 하나의 모델도 모든 작업에 완벽할 수는 없다는 것을 보여주었습니다. 최선의 선택은 전적으로 조사 중인 질병에 달려 있었습니다. 흉부 엑스레이를 통해 코로나19를 식별하는 문제에 있어서는 EfficientNet-B3라는 모델이 다른 모델들보다 앞서 나갔습니다. 이 모델은 사례의 97%에서 바이러스를 정확히 식별해 냈으며, 감염된 환자와 다른 유형의 폐렴 환자, 그리고 건강한 폐를 가진 환자를 구분하는 데 탁적인 능력을 보여주었습니다. 이 모델은 세 그룹을 거의 완벽하게 분리해 낼 정도로 신뢰도가 높아, 바이러스 유행을 탐지하는 데 이상적인 후보임을 입증했습니다.

그러나 연구팀이 폐암에 주목했을 때 이야기는 달라졌습니다. 종양을 찾기 위해 CT 스캔을 분석해야 하는 이 더 복잡한 과업에서는 다른 모델이 선두를 차지했습니다. 원래 모바일 기기를 위해 가볍고 빠르게 작동하도록 설계된 디자인인 MobileNetV3는 99%라는 놀라운 정확도를 달성했습니다. 더욱 인상적인 것은, MobileNetV3와 ResNet50이라는 또 다른 모델이 테스트 세트에서 발견된 모든 악성 암 사례를 찾아냈다는 점입니다. 그들은 단 하나의 위험한 종양도 놓치지 않았습니다. 의료 스크리닝에서 암 진단을 놓치는 것은 잘못된 경보를 울리는 것보다 훨씬 더 위험하기 때문에, 이는 매우 중요한 발견입니다. 다른 모델들은 때때로 무해한 증식과 건강한 폐를 구분하는 데 어려움을 겪었지만, 이 상위 모델들은 날카로운 구분을 유지하며 생명을 위협하는 상태가 빠져나가지 않도록 보장했습니다.

연구진은 단순히 높은 수치를 찾는 데 그치지 않았습니다. 그들은 강력한 알고리즘이라도 의사가 쉽게 사용할 수 없다면 무용지물이라는 점을 이해하고 있었습니다. 이 간극을 메우기 위해, 그들은 누구나 조작할 수 있는 간단하고 인터랙티브한 컴퓨터 프로그램을 구축했습니다. 이 인터페이스를 통해 임상의는 흉부 영상을 업로드하고, 암과 코로나19 중 무엇을 찾고자 하는지 선택한 뒤 즉각적인 답변을 받을 수 있습니다. 시스템은 단순히 "암" 또는 "암 아님"이라고 말하는 것이 아니라, 컴퓨터가 자신의 결과에 대해 얼마나 확신하는지를 나타내는 수치인 '신뢰도 점수(퍼센트)'를 제공합니다. 이러한 투명성은 의료 전문가가 컴퓨터의 의견에 어느 정도의 비중을 둘지 결정하는 데 도움을 주며, 복잡한 수학적 계산을 실용적인 실시간 보조 도구로 탈바꿈시킵니다.

이 연구는 딥러닝이 호흡기 질환과의 싸움에서 강력한 아군이 될 수 있음을 확인시켜 주는 동시에, '만능 해결책(one-size-fits-all)'은 존재하지 않는다는 점도 강조합니다. 바이러스를 포착하는 데 최고의 도구가 반드시 종양을 찾는 데 최고의 도구인 것은 아닙니다. 적절한 디지털 뇌를 적절한 의료 과업에 정밀하게 매칭하고, 그 기술을 사용자 친화적인 인터페이스로 감싸는 과정을 통해, 연구진은 현실 세계에서 사용될 준비가 된 시스템을 만들어냈습니다. PulmoDiagAI는 첨단 인공지능이 세심한 의료적 준비와 결합될 때, 의사들이 생명을 구하는 과정을 지원할 수 있는 신뢰할 수 있고 빠르며 접근 가능한 방법을 제공할 수 있다는 것을 보여주는 증거입니다.