www.bokuennews.com

최근 딥러닝을 활용한 영상의 자동분석에 대한 연구들이 활발하게 진행되고 있다. CT나 MRI 영상에서 장기를 분할하는 딥러닝 알고리즘은 비교적 적은 양의 학습자료로 개발이 가능하고, 의사의 수작업이나 기존의 영상처리 기법을 사용하였을 때 시간과 노력이 많이 소요되던 작업을 단시간에 처리할 수 있다는 점에서 그 활용도가 높다.

서울아산병원 영상의학과 이승수 교수팀은 스마트케어웍스와 공동으로 문맥기 CT 영상에서 간과 비장을 자동으로 분할하는 딥러닝 알고리즘을 사용한 연구를 진행했다.

이 알고리즘은 dice score 97% 이상의 정확도로 간과 비장의 분할이 가능하며 스마트케어웍스의 Web PACS인 GoWIX에 GoCDSS 모듈로 탑재돼 연구에 활용됐다.

연구에서는 대규모 연구 대상군(약 3400명)의 CT 영상을 분석해 간과 비장의 용적을 측정하는 용도로 이 딥러닝 알고리즘을 사용했는데, 딥러닝 알고리즘이 CT volumetry의 시간을 획기적으로 감소시켜서 연구 수행이 가능했다고 한다.

이 알고리즘은 다양한 분야의 임상 활용이 기대되고 있다. 

연구에 따르면 간절제술 수술 혹은 생체 간 이식 수술전 잔존 간 용적 평가는 수술과 동반된 합병증을 최소화하는 안전한 수술을 위해 필요한 수술 전 평가 과정인데, 기존의 수작업 혹은 반자동 소프트웨어를 사용한 CT volumetry를 대체해 빠르고 정확한 간 용적 평가가 가능할 것이라고 예측했다.

또 딥러닝이 탑재된 Web PACS인 스마트케어웍스사의 GoWIX는 딥러닝을 통한 영상 분석이 CT 영상 검사의 전송과 함께 이뤄져 영상 판독 단계에서는 의사가 딥러닝의 간 비장 분할 결과와 영상을 함께 리뷰할 수 있다.

이승수 교수는 "딥러닝 알고리즘이 영상 검사와 판독 과정에 잘 융합된다면, 가까운 미래에는 간이나 비장 용적의 크고 작음을 판독자의 주관적 평가나 직경 측정 등 간접적 방법이 아닌 CT나 MRI로 측정된 용적 값을 참고표준과 비교하여 판정할 날이 올 수도 있다"고 전했다.

이어 "간과 비장의 용적을 이용하여 만성 간질환 환자의 질병 중등도 및 예후를 예측하는데도 활용될 수 있을 것으로 보이며, 이런 배경에서 이 연구는 대규모의 건강한 간 기증 예정자를 대상으로 환자의 연령, 성별, 키, 체중 등을 고려한 간과 비장 용적의 개인화 참고표준범위를 제시했다"며 "한국인을 대상으로 얻어진 결과이고 스마트케어웍스가 개발한 웹 기반 계산기를 GoWIX를 이용하여 값을 구할 수 있으므로 진료에 바로 적용이 가능한 결과"라고 설명했다.

스마트케어웍스의 GoWIX를 이용한 이승수 교수의 연구는 'Radiology'에 게재됐다.

스마트케어웍스 천정범 대표는 "이 연구에 대한 해당 학술지의 심사평도 상당히 호의적"이라며 "곧 deep learning을 이용한 간, 비장 용적의 자동측정 및 volume에 기반한 정상 비정상의 판단이 임상적으로 쓰여질 것이다. 논문의 주장을 그대로 인용했을 정도로 연구성과가 탁월했음을 인정하고 있다"고 밝혔다.

한편 이번 연구는 정부과제(과제명: 대사증후군 연관 난치성 간질환의 빅데이터를 활용한 영상 인포매틱스 기반 의사결정보조시스템 개발 및 실용화)로 지난 2016년도에 시작해 올해 3월에 종료됐었으나, 이 교수팀과 스마트케어웍스는 이 연구를 확장해 상업화를 추진한다고 전했다.