30분만에 뇌 MRI 영상 10만개에 자동으로 라벨링을 붙일 수 있는 기술이 개발돼 학계의 주목을 받고 있다.

지금까지 딥러닝의 가장 큰 허들이었던 영상 자료 라벨링 문제가 한번에 해결될 수 있기 때문. 기술이 고도화된다면 의료 인공지능의 발전에 획기적 전환점이 될 수 있다는 분석이 나오는 이유다.

현지시각으로 25일 유럽방사선 저널(European Radiology)에는 세계 첫 초고속 전자동 MRI 라벨링 기술 개발 성과가 게재됐다(doi.org/10.1007/s00330-021-08132-0).

현재 의료 인공지능 개발을 위한 딥러닝 기술은 날이 갈수록 발전하고 있지만 이에 대한 원천적인 라벨링이 꼽히고 있는 것이 사실이다.

더 많은 데이터를 축적해 딥러닝을 시키기 위해서는 적어도 수만개 이상의 이미지와 영상 자료가 필요하지만 이를 라벨링하는데는 상당한 노동력이 투입되기 때문이다.

결국 이미 딥러닝 기술은 이론적으로 완벽하다 해도 여기에 필요한 이미지와 영상을 라벨링 하는데 수개월에서 수년이 걸리면서 기술의 상용화에 병목현상이 나타나는 경우가 많았다는 의미다.

이에 따라 킹스칼리지런던 톰(Tom Booth) 교수가 이끄는 연구진은 이러한 라벨링을 자동으로 진행할 수 있는 기술을 개발하고 데이터 세트를 활용해 검증을 진행했다.

이미 수동으로 라벨링을 마친 3천개의 MRI 영상을 이 기기에 넣고 수동 라벨링과 자동 라벨링을 비교하는 방식으로 검증을 진행한 것.

그 결과 이 기술은 거의 완벽에 가까울 정도로 라벨링을 성공적으로 진행했다(AUC-ROC＞0.95).

다만 급성 뇌졸중 등에 대한 라벨링에서 약간의 시간이 소요되는 등 성능 감소가 일부 나타났지만 이 또한 90% 이상의 민감도와 특이도를 보이며 유효성을 입증했다.

처리 속도와 용량도 기대 이상이었다. 30분 안에 무려 12만 1556개의 뇌 MRI 검사에 레이블을 넣는데 성공했기 때문이다.

톰 박사는 "10만건에 달하는 MRI 검사 결과에 영상의학과 전문의들이 수동으로 라벨링을 진행한다면 적어도 몇 년이 필요한 작업"이라며 "이러한 작업을 이 기술은 30분 안에 해내는 성과를 보였다"고 설명했다.

이어 그는 "이미 이 기술을 활용해 영국 전역에 흩어져 있는 뇌 MRI 영상 데이터를 전향적으로 수집하는 절차에 들어갔다"며 "미래의 딥러닝 작업과 의료 인공지능의 발전을 엄청나게 가속화할 수 있는 기술"이라고 밝혔다.