모델인 '패치FCN(PatchFCN)'을 통해 아마존 웹 서비스를 통해 엔비디아 V100 텐서 코어 GPU를 사용하여 출혈 영역을 세분화하고 99%의 정확도로 뇌출혈을 식별하는 AI 모델의 훈련과 추론을 모두 수행했다.

이는 지금까지 임상 적용에서 탐지된 뇌출혈의 최고 정확도이다.

딥러닝으로 뇌 CT에서 급성 뇌출혈을 단 몇 초 만에 99% 탐지(사진:논문캡처, 폅집본지)

뇌졸중은 크게 2가지 종류가 있는데 뇌에 혈액을 공급하는 혈관이 막혀서 발생하는 ‘허혈뇌졸중(뇌경색)’과 뇌로 가는 혈관이 터지면서 출혈이 발생하는 ‘출혈뇌졸중(뇌출혈)’이 있다.

두가지 중 뇌에 혈액을 공급하는 뇌혈관이 어떤 원인에 의해 파열되어 출혈을 일으키면서 발생하는 뇌졸중으로 전체 뇌졸중의 20%를 차지하는 것으로 알려져 있다. 출혈을 일으키면 해당 부위의 혈액공급이 차단되어 뇌신경이 손상될 뿐 아니라 혈액이 뇌 속에 고이면서 뇌조직을 압박하거나 손상시켜 뇌손상이 발생한다.

그러나 뇌졸중을 최대한 빨리 인지하고 발병 후 골든타임인 3-6시간 이내 적절한 치료를 시행하면 뇌 손상을 최소화 할 수 있다. 이처럼 뇌졸중에서 인지부터 치료의 시작부터 모든 순간이 중요하지만 전문의들조차도 환자의 뇌 컴퓨터단층촬영(CT) 이미지로부터 환자에게 뇌출혈이 있는지 판단하는 것은 꽤 까다로울 수 있다.

이에 UC 버클리(UC Berkeley)와 캘리포니아 대학교(UCSF University of California, San Francisco) 의과대학의 연구원들은 CT 스캔에서 두개내 출혈을 진단하는 데 걸리는 시간을 줄이기 위해 딥러닝 모델을 연구하고 '딥러닝을 사용하여 뇌 CT에서 급성 두개 내 출혈의 전문가 수준 탐지(Expert-level detection of acute intracranial hemorrhage on head computed tomography using deep learning)'하는 모델을 발표했다.

99%의 정확도로 뇌출혈을 식별하는 AI 모델의 훈련과 추론을 모두 수행하고 신경망은 이상을 자동으로 탐지(사진:논문 캡처, 편집본지)
99%의 정확도로 뇌출혈을 식별하는 AI 모델의 훈련과 추론을 모두 수행하고 신경망은 이상을 자동으로 탐지(사진:논문 캡처, 편집본지)

지난 21일(현지시간) 과학 저널 PNAS에 실린 이 발표 논문의 수석 저자인 웨이청 쿠오(Weicheng Kuo)은 "출혈을 감지하는 것은 매우 중요합니다. 이 분석은 특별히 훈련된 방사선 전문의의 높은 집중력을 필요로 합니다. 이번 개발된 CT 이미지를 평가하는 신경망은 이 전문가들의 부담을 크게 줄일 수 있으며 뇌졸중, 머리부상, 뇌 혈관파열 등을 진단하는 데 큰 도움이 될 수 있습니다"라고 이 연구 논문을 통해 밝혔다.

이 연구에서 개발된 딥러닝 모델인 '패치FCN(PatchFCN)'을 통해 아마존 웹 서비스를 통해 엔비디아 V100 텐서 코어 GPU(NVIDIA V100 Tensor Core GPU)를 사용하여 출혈 영역을 세분화하고 99%의 정확도로 뇌출혈을 식별하는 AI 모델의 훈련과 추론을 모두 수행했다. 이는 지금까지 임상 적용에서 탐지된 뇌출혈의 최고 정확도이다. 또한 신경망은 CT 스캔에서 이상을 자동으로 탐지한다.

특히, 제휴 병원의 4,000 개 이상의 CT 스캔 데이터로 학습했으며, 훈련과 분석은 모두 새로운 방식으로 수행되는데 이 과정에서 연구팀은 CT 스캔을 여러 부분으로 나누고 각 부분을 모델로 분석할 수 있었으며, 그런 다음 세그먼트 크기를 실험하여 모델의 정확성을 향상시키는 최상의 결과를 얻었다.

일반적으로 방사선과 전문의는 CT이미지를 분석하고 응급실에 결과를 보고하는 데 소요되는 소요 시간은 30 분 이상이 될 수 있지만 비정상적인 사례가 스택의 맨 아래에 있으면 진단 지연이 환자에게 악영향을 줄 수 있다고 한다. 그러나 이 모델은 이러한 차이를 메워 추론을 위해 단일 GPU를 사용하여 단 몇 초 만에 이미지를 분석할 수 있다. 또 모델은 뇌출혈의 존재 여부를 판단 할뿐만 아니라 각 뇌출혈의 상세 추적 및 측정을 제공한다.

결론적으로 개발된 딥러닝 모델은 "예" 또는 "아니오" 결과만 제공하는 대신 각 출혈에 대한 자세한 추적을 제공하는 것으로 임상의는 외과적 개입의 필요성과 접근을 판단하기 위해 뇌 CT 이미지에서 출혈의 위치를 ​​시각적으로 확인해야 하는 집중력이 필요로 하는 과정이 필수적이었으나 이미지에서 직접 이상을 탐지하는 모델의 능력은 임상적용으로 확산될 것으로 예상된다.(관련 논문 다운받기)

저작권자 © 인공지능신문 무단전재 및 재배포 금지