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.
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.
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)