진화하는 의료 AI…왓슨 오류 절반 줄인 모델 개발

발행날짜: 2019-06-07 06:00:34
  • 동경의대 마사야 사토 연구진, 독자적 프레임 워크 개발
    다변화 러닝 통해 오류 절반 감소…정확도 87.3%까지 상승

기존 딥러닝 기반 인공지능의 오류 비율을 절반 이하로 줄이면서도 90%에 가까운 진단 정확도를 보이는 의료 인공지능(AI)이 나와 학계의 주목을 받고 있다.

과거 딥러닝 혹은 학습 트리 등 한가지 방법으로 분석이 이뤄지던 AI를 분석법까지 스스로 학습하게해 가장 효율적이고 정확한 분석법으로 결과를 뽑아내는 기술이 나온 것. 이에 따라 과연 이러한 기술이 임상에서 활용될 수 있을지 주목된다.

일본 동경의대 부속병원 마사야 사토, 텐타로 모리모토 연구진은 새로운 알고리즘과 명령 코드 파라미터(Parameter)를 활용한 질병 예측 인공지능을 개발하고 5일 네이쳐(nature) 자매 저널인 사이언티픽 리포트(Scientific Reports)에 게재했다.(Article number 7704. 2019)

연구진은 기존의 의료 인공지능이 의사결정 트리나 딥러닝, 선형회귀모델 중 하나의 방식으로 구동되는데서 벗어나 이 모든 방법 중에 최상의 결과를 낼 수 있는 방안을 스스로 검토하는 시스템으로 차별화를 시도했다.

하나의 정해진 프레임에서 분석을 시작하는 것과 달리 아예 분석 방법조차 학습을 통해 선택이 가능한 독자적 비선형 모델인 '프레임 워크(Frame work)'를 구축한 것.

이러한 방식을 이용하면 환자의 일상 진료 정보를 입력시 연구자가 도출하고 싶은 항목을 선택하면 자동으로 가장 정확도가 높고 매개 변수가 작은 데이터를 스스로 분석하고 결과를 도출한다는 점에서 정확도를 획기적으로 높일 수 있다.

실제로 간세포 암종 즉 간암을 대상으로 하는 시범 평가 결과에서도 이러한 차별성은 그대로 드러났다.

과거 의료 인공지능들이 일정한 종양 마커를 기준으로 하는데 반해 이 프로그램은 간 염증, 간 섬유증, 간 기능 및 간염 바이러스 감염 상태의 바이오마커를 모두 수집해 간세포 암종(HCC)을 예측하는데 활용한 것이다.

이에 맞춰 동경의대 부속병원에서 치료를 받은 간암 환자 539명과 간세포 암종이 없는 환자 1043명의 데이터 세트를 입력하고 예측 프로그램을 가동한 결과 이 프로그램은 머신 러닝과 의사 결정 트리를 가장 효과적인 분석으로 결정해 87.3%라는 높은 예측 정확도를 보였다.

같은 환자를 딥러닝 기반의 의료 인공지능에 대입한 결과 가장 높은 정확도가 83.5%였다는 점을 감안하면 이를 뛰어넘는 기술이다.

이러한 프레임 워크는 과거 딥러닝에 매몰돼 있던 의료 인공지능을 한 단계 성장시킬 수 있을 것으로 연구진은 기대하고 있다.

딥러닝이 이미지와 비디오, 음성에 대한 처리 기능을 획기적으로 발전시켰지만 유의미한 결과를 얻기 위해서는 너무나 방대한 데이터가 필요한데다 임상 결과를 모두 입력해야 하는 만큼 실제 임상에서 활용하기는 어려움이 따랐기 때문이다.

그러나 연구진의 프레임 워크는 적은 자료만으로도 가장 오류가 작고 정확도가 높은 진단 기술을 스스로 학습해 도출한다는 점에서 향후 의료 인공지능의 최적 모델이라는 것이 연구진의 설명이다.

논문의 교신저자인 마사야 사토 교수는 "현재 개발된 프레임 워크는 현대의학의 궁극적 목표 중 하나인 맞춤 의학을 완전히 구현할 수 있는 최적의 모델"이라며 "다양한 종류의 데이터를 무궁무진한 방법으로 적용할 수 있다는 점에서 의학 연구와 임상에 새로운 변화를 가져올 것"이라고 내다봤다.

관련기사

학술 기사

댓글

댓글운영규칙
댓글을 입력해 주세요.
더보기
약관을 동의해주세요.
닫기
댓글운영규칙
댓글은 로그인 후 댓글을 남기실 수 있으며 전체 아이디가 노출되지 않습니다.
ex) medi****** 아이디 앞 네자리 표기 이외 * 처리
댓글 삭제기준 다음의 경우 사전 통보없이 삭제하고 아이디 이용정지 또는 영구 가입이 제한될 수 있습니다.
1. 저작권・인격권 등 타인의 권리를 침해하는 경우
2. 상용프로그램의 등록과 게재, 배포를 안내하는 게시물
3. 타인 또는 제3자의 저작권 및 기타 권리를 침해한 내용을 담은 게시물
4. 욕설 및 비방, 음란성 댓글