유방암 분류를 위한 자동화된 유방 초음파 영상의 유방 병변을 양성 및 악성으로 분류하는 컨볼루션 신경망(CNN)을 기반으로 한다. 모델은 316개의 유방 병변(135개의 악성, 181개의 양성)에 대해 학습하고 적용됐다.

(왼쪽부터) 최은정·진공용 전북대교수, 캐나다 서스캐처원대 고석범 교수(사진:전북대)

전북대학교병원(병원장 조남천)은 영상의학과 최은정·진공용 교수가 자동 입체 유방 초음파(ABUS, Automated Breast Ultrasound) 영상에 보이는 유방 결절에 대해 인공지능을 이용할 경우, 조기 유방암의 진단에 도움을 받을 수 있다는 연구 결과를 발표했다고 25일 밝혔다.

연구에서는 유방암 분류를 위한 자동화된 유방 초음파 영상의 방사선 전문의들을 돕기 위해 유방 병변을 양성 및 악성으로 분류하는 컨볼루션 신경망(CNN)을 기반으로 한다. CNN은 316개의 유방 병변(135개의 악성, 181개의 양성)에 대해 학습하고 모델에 적용됐다.

최은정·진공용 교수와 캐나다 사스카툰주 서스캐처원대(University of Saskatchewan, Saskatoon, Canada) 전기컴퓨터공학부 고석범 교수가 함께 연구하고 개발한 이 인공지능 소프트웨어는 영상의학과 전문의도 진단하기 어려운 결절을 인공지능에 집중적으로 학습시킨 결과물이다.

초음파를 통해 자동으로 유방을 스캔한 후, 영상의학과 의사가 판독하는 시스템인 자동입체 유방 초음파는 검사자에 따라 차이가 있고, 병변 발견과 진단을 수행하는 과정에서 시간이 오래 걸리는 일반적인 유방 초음파의 단점을 보완하기 위해 최근 도입됐다. 그러나 자동입체 유방 초음파 역시 학습곡선이 매우 길어 경험이 적은 영상의학과 의사의 판독은 진단율이 떨어진다.

이에 연구진은 비영상의학과 의사 1명, 저년차 영상의학과 전공의 1명, 고년차 영상의학과 전공의 2명, 유방영상 전문의 1명에게 먼저 자동 입체 유방 초음파에서 보이는 유방 결절에 대하여 진단을 내리게 한 후, 인공지능의 결과를 알려주고 유방암 진단 여부를 다시 하도록 연구를 설계하였다. 그 결과, 비영상의학과 의사의 조기 유방암 진단율이 약 24.5%, 유방 영상의학과 전문의의 정확도가 약 2% 증가했다.

논문의 주저자인 영상의학과 최은정 교수는 “유방 초음파에서 발견된 2cm 이하의 작은 결절에 대한 비영상의학과 의사의 진단 시에 인공지능을 이용하면 도움이 될 것으로 생각된다.”고 말하며, “특히 이 연구는 자동 입체 유방 초음파를 이용한 조기 유방암 진단에 인공지능을 이용한 연구가 많지 않은데, 이를 실제 임상적으로 활용한 연구라 그 의의가 크다”고 밝혔다.

한편, 연구 논문은 과학기술논문 인용색인(SCI) 저널인 울트라사운드 메디신 바이올로지(Ultrasound Medicine and Biology)에 최신호에 '전이학습을 통한 다각도 컨볼루션 신경망을 이용한 자동 유방 초음파에서의 유방암 분류(Breast Cancer Classification in Automated Breast Ultrasound Using Multiview Convolutional Neural Network with Transfer Learning)' 이란 제목으로 게재됐다.

저작권자 © 인공지능신문 무단전재 및 재배포 금지