인공지능(AI)이 귀 질환 진단에서 의료진의 임상 경험에 따른 정확도 격차를 줄이는 데 효과가 있다는 연구 결과가 나왔다. 특히 경험이 적은 저연차 전공의의 진단 정확도가 AI 활용 후 32.2%p 상승해, 의료진의 진단 역량을 보완하는 새로운 도구로 활용될 가능성을 확인했다.
서울아산병원 이비인후과 안중호·융합의학과 권지훈 교수팀은 귀 내시경 영상 7335장을 학습한 AI 모델을 개발하고 의료진 13명을 대상으로 진단 보조 효과를 평가한 결과, 저연차 전공의의 주요 중이질환 진단 정확도가 AI 활용 전 54.4%에서 활용 후 86.6%로 향상됐다고 밝혔다.
특히 귀 질환 전문 교수와 저연차 전공의 간 진단 정확도 차이는 AI 활용 전 24.3%p에서 활용 후 3.1%p로 크게 줄었다. AI가 의료진의 경험에 따라 발생하는 진단 편차를 완화하고, 상대적으로 경험이 부족한 의료진의 판단을 보조할 수 있음을 보여주는 결과다.
중이질환은 고막 안쪽 공간인 중이에 발생하는 질환으로 만성 중이염과 삼출성 중이염 등이 대표적이다. 귀 내시경으로 고막 상태를 관찰해 진단하지만, 질환별 소견이 다양하고 일부 변화는 서로 구별하기 어려워 의료진의 임상 경험과 전문성이 중요하다.
연구팀은 이러한 진단의 어려움을 줄이기 위해 딥러닝 기반 AI 모델을 개발했다. 2018년부터 2020년까지 서울아산병원에서 촬영한 귀 내시경 영상 7435장 가운데 7335장을 AI 모델 개발에 활용하고, 나머지 100장은 의료진의 진단 정확도를 평가하는 데 사용했다.
개발된 AI는 내시경 영상을 분석해 만성 중이염과 삼출성 중이염, 두 질환에 해당하지 않는 경우를 구분하도록 설계됐다. 이와 함께 고막 위쪽이 안으로 함몰되는 상고실 함몰, 고막에 염증이 생기는 고막염, 곰팡이 감염에 의한 이진균증, 고막 환기관 삽입 여부 등도 판별할 수 있도록 했다.
AI가 영상에서 예상되는 질환과 소견을 제시하면 의료진이 이를 참고해 최종 진단을 내리는 방식이다. AI가 독립적으로 진단을 확정하는 것이 아니라 의료진의 판단을 보조하도록 설계한 것이다.
모델 성능 평가에서도 높은 정확도를 보였다. 7335장의 영상을 활용한 교차검증에서 만성 중이염과 삼출성 중이염 등을 구분하는 주요 진단 항목의 정확도는 94.8%였다. 별도로 구성한 평가용 영상 100장에서도 95%의 정확도를 기록했다.
연구팀은 개발한 AI 모델의 실제 진단 보조 효과를 확인하기 위해 의료진 13명을 대상으로 비교 평가를 진행했다. 귀 질환 전문 교수 3명, 고연차 전공의 5명, 저연차 전공의 5명이 참여했다.
의료진은 먼저 AI 도움 없이 귀 내시경 영상 100장을 판독했다. 이후 3개월이 지난 뒤 같은 영상 100장을 AI가 제시한 진단 결과와 함께 다시 판독했다. 그 결과 모든 의료진 그룹에서 주요 중이질환 진단 정확도가 통계적으로 유의하게 향상됐다.
저연차 전공의의 진단 정확도는 54.4%에서 86.6%로 32.2%p 상승했다. 고연차 전공의도 65%에서 93.8%로 28.8%p 높아졌다. 교수 그룹 역시 78.7%에서 89.7%로 11%p 개선됐다.
특히 AI 활용 전 교수 그룹과 저연차 전공의 간 정확도 격차는 24.3%p였지만, 활용 후에는 3.1%p로 좁혀졌다. 경험이 적은 의료진일수록 AI를 통한 진단 보조 효과가 크게 나타난 것이다.
세부 진단 항목에서도 개선이 확인됐다. 저연차 전공의의 고막염 진단 정확도는 75.4%에서 88.4%로 높아졌으며, 상고실 함몰 진단 정확도도 94.2%에서 98.4%로 상승했다.
AI가 기존 진단을 바로잡는 데 기여한 사례도 확인됐다. 의료진 13명이 귀 내시경 영상 100장을 각각 판독한 결과, 처음에 잘못 내린 진단을 AI 결과를 참고한 뒤 올바르게 수정한 경우는 384건으로 전체 진단의 29.5%를 차지했다.
반면 처음에는 정확했던 진단이 AI를 참고한 뒤 잘못된 판단으로 바뀐 경우도 46건(3.5%)으로 나타났다. AI의 진단 보조가 정확도를 높이는 데 기여했지만, 의료진이 AI 결과를 무조건 수용하기보다 임상적 판단을 바탕으로 최종 진단을 내려야 한다는 점도 보여준다.
안중호 교수는 "이번 연구는 AI가 의료진의 진단을 보조하는 역할을 할 때, 특히 경험이 적은 의료진의 진단 정확도를 높이는 데 도움이 될 수 있음을 보여준다"며 "향후 다양한 환자와 진료 상황을 대상으로 추가 검증을 진행한다면 중이질환 진단과 의료진 교육에 유용하게 활용할 수 있을 것으로 기대한다"고 말했다.
이번 연구 결과는 의료정보학 분야 국제학술지인 'JMIR 의료정보학(JMIR Medical Informatics, 피인용지수 5.0)'에 최근 게재됐다.
Copyright @보건신문 All rights reserved.
