멜라닌(melanin)이라는 색소의 영향으로 인간의 피부색이 결정된다. 정상적으로 존재하는 멜라닌 세포에 생긴 검은색의 악성 종양을 흑색종(Malignant Melanoma)이라고 한다.

흑색종은 신체의 모든 부위, 특히 햇빛에 노출 된 피부 부위에서 발생할 수 있으며, 전 세계 피부암 관련 사망의 70% 이상을 차지하는 일종의 악성 종양으로 수년 동안 의사들은 피부암의 징후일 수 있는 의심스러운 색소 병변(Suspicious Pigmented Lesions. 이하, SPL)을 식별하기 위해 육안 검사에 의존해 왔다.

문제는 잠재적인 생검을 위해 종종 평가해야 하는 많은 양의 색소 병변으로 인해 SPL을 빠르게 찾고 우선순위를 지정하는 것이 어렵다는 점이다.

여기에, MIT 연구팀이 딥 컨볼루션 신경망(DCNN)을 적용해 우리가 일반적으로 사용하고 있는 스마트폰과 개인용 카메라에서 촬영된 넓은 영역의 피부 이미지(사진)에서 SPL을 분석하는 데 적용하는 새로운 인공지능(AI) 시스템을 개발했다. 이 AI 시스템은 넓은 영역의 이미지에서 딥러닝을 사용하여 더 효과적이고 효율적인 피부암 검출을 위해 의심스러운 색소 피부 병변을 분석하고 식별하는 것이다.

DCNN(Deep Convolutional Neural Networks)은 이미지를 분류하고 클러스터링(예: 사진 검색을 수행하는 경우)하는 데 사용할 수 있는 신경망이다. 이러한 머신러닝 알고리즘은 딥러닝 하위 집합에 속한다.

MIT 의학공학 및 과학연구소(IMES. Institute for Medical Engineering and Science)와 이 연구를 주도한 MIT의 인공지능 및 의료기기 전문가인 루이스 소엔센(Luis R. Soenksen)에 따르면, 이 프로그램은 환자의 신체의 넓은 영역을 촬영하기 위해 카메라를 사용하여 DCNN으로 초기 단계 흑색종을 빠르고 효과적으로 식별하고 검사한다고 한다.

또한 소엔센 박사는 "SPL을 조기에 발견하면 생명을 구할 수 있지만 현재, 대규모의 종합적인 피부 검사를 제공하는 의료 시스템의 능력은 여전히 부족합니다”라며, "이 시스템은 더 많은 조사가 필요한 피부 병변과 일상적인 1차 진료에서 식별 및 분류 최적화로 보다 빠르고 효율적인 인공지능 SPL 시스템입니다"라고 말했다.

연구팀은 인공지능을 이용하여 스페인 마드리드에 있는 그레고리오 마라혼병원(Hospital Gregorio Marañón)의 환자 133명의 20,388명의 넓은 영역의 이미지를 사용하여 시스템을 훈련시켰다. 일반인이 쉽게 이용할 수 있는 다양한 일반 카메라로 촬영한 이미지를 사용했으며, 피부과 의사들과 비교를 위해 이미지의 병변을 시각적으로 분류했다.

특히, 연구팀은 이 시스템이 번거롭고 시간이 많이 걸리는 개별 병변 이미지의 필요성을 피함으로써 의심스러운 병변, 피부 및 복잡한 배경에서 SPL을 구별하는 데 90.3% 이상의 정확도를 달성했다. 또한 검출된 병변에서 DCNN 기능을 기반으로 환자 내 병변을 추출하는 새로운 방법도 제시했다.

한편, 이 연구 결과는 지난 2월 17일 세계적인 중개의학 학술지 사이언스 트랜스래셔널 메디슨(Science Translational Medicine)에 '광범위한 이미지에서 피부과 의사 수준의 의심스러운 색소성 피부병변 검출을 위한 딥러닝 활용(Using deep learning for dermatologist-level detection of suspicious pigmented skin lesions from wide-field images-논문 보기)'이란 제목으로 게재됐다.