'각막 굴절교정수술 대상자를 자동으로 식별하는 머신러닝 시스템 구현' 이라는 연구 주제로 수술 경험이 많은 의사와 견주어도 될 정도로 높은 정확도의 모델 개발

각막 굴절교정수술 대상자를 자동으로 식별하는 머신러닝 시스템 구현(사진:본지DB)

오늘날 인공지능(AI) 머신러닝은 빅데이터를 처리하고 사례를 높은 정확도로 분류하는 능력으로 인해 임상 의학에서 그 활용도가 가속되고 있다.

특히, 분류 및 회귀 문제에 모두 사용되는 지도학습 기법인 '서포트 벡터 머신(Support Vector Machine, SVM)'과 앙상블 학습 방법의 일종으로 훈련 과정에서 구성한 다수의 결정 트리로부터 부류(분류) 또는 평균 예측치(회귀 분석)를 출력함으로써 동작하는 랜덤 포레스트(Random Forest, RF)와 사람의 두뇌를 모델로 두뇌와 비슷한 방식으로 처리하기 위한 인공신경망(Artificial Neural Network, ANN), 에이다부스트(AdaBoost, adaptive boosting), 최소 절대 축소 및 선택 연산자 라쏘(Lasso) 등은 AI 머신러닝에서 임상에서 널리 사용되고 있다.

지난달 28일(현지시각) 국내 연구진 비앤빛 안과(대표원장 류익희) 연구팀이 국제 학술지 '네이처 디지털 메디슨(Nature digital medicine)'에 '각막 굴절교정수술 대상자를 자동으로 식별하는 머신러닝 시스템 구현(Adopting machine learning to automatically identify candidate patients for corneal refractive surgery)’을 주제로 한 연구 논문이 국내 안과의원 최초로 등재됐다.

이번 연구의 개요(사진:논문 캡처)

일반적으로 합병증을 예방하기 위해 각막 굴절 수술을 받는 후보자를 선별하는 것은 매우 까다롭고 어렵다고 한다. 오진의 가능성에 대응할 수 있는 정확한 선별 방법은 임상의에게 가장 직면한 과제인 것이다.

이에 연구팀은 각막 굴절 수술에 대한 적합성을 결정하기 위해 임상 의사의 결정을 지원하는 머신러닝 솔루션을 구축했다. 적용된 머신러닝 아키텍처는 환자의 대규모 데이터와 경험이 풍부한 전문가의 임상 결정(진단)을 결합해 후보를 식별하기 위해 제작되었으며, 5 개의 이기종 알고리즘을 사용하여 수술 대상자를 예측했다.

결과적으로 성능을 향상시키기 위해 훈련 과정에서 구성한 다수의 결정 트리로부터 분류 또는 평균 예측치(회귀 분석)를 출력함으로써 앙상블 분류기가 개발되었으며, AI 학습은 2016 년부터 2017 년 사이에 방문한 10,561 명의 데이터로 실시했다. 또 같은 기간의 2,640명의 데이터와 2018년에 수집된 5,279의 데이터에서 머신러닝 성능을 확인했을 때, 각각 정확도 지표(ROC-AUC)에서 각각 0.983과 0.972로 나타나 매우 높은 정확도를 나타냈다.

이는 수술 가능 여부를 알려주는 디지털화 된 검사정보와 머신러닝 기법으로 수술 경험이 많은 의사와 견주어도 될 정도로 높은 정확도로 수행한다고 해석할 수 있다. (더 자세한 내용은 발표된 논문()을 참고하면 된다)

 

 

 

 

저작권자 © 인공지능신문 무단전재 및 재배포 금지