의료 분야에서는 미국 의료정보보호법(HIPAA)을 비롯한 국가별 데이터 개인정보보호법으로 인해 오랫동안 데이터 접근성 이슈가 존재해왔다. 따라서, 환자의 의료 정보를 훼손하지 않으면서 필요한 규모의 의료 연구 및 데이터 공유가 거의 불가능했다.
여기에, 미국 펜실베니아대학교(University of Pennsylvania) 페렐만 의과대학(Penn Medicine. 이하, 펜 메디슨), 메릴랜드대(University of Maryland), 독일 하이델베르크대학병원(Heidelberg University Hospital), 암 연구 센터(DKFZ), 영국 리즈 병원(Leeds Teaching Hospitals), 인텔 랩 등 국제 의료 및 연구 기관이 악성 뇌종양을 식별하도록 돕는 인공지능(AI) 분산 머신러닝 방식의 연합학습(Federated Learning)을 활용한 공동 연구를 완료했다고 5일(현지시간) 밝혔다.
연구는 6개 대륙에 걸쳐 71개 기관에서 조사한 광범위한 데이터 세트를 통해 진행하는 등 가장 대규모의 의료 분야 연합 학습기반으로 한 프라이버시 보존 인공지능을 통해 뇌종양 탐지를 33% 개선했다.
방사선과 의사들은 종양의 경계를 결정하고 종양 또는 ‘종양핵’의 ‘수술 가능 영역’의 식별을 개선하기 위해 'FeTS(Federated Tumor Segmentation-다운)'라는 새로운 최첨단 AI 소프트웨어 플랫폼을 사용했다.
특히, 데이터에 주석을 달았고 머신러닝 알고리즘을 학습하기 위한 오픈 소스 프레임워크인 '오픈 연합학습(OpenFL-다운)'을 사용하여 학습을 실행했다. 이 플랫폼은 지금까지 가장 큰 뇌종양 데이터 세트인 6개 대륙에 걸쳐 6,000 GBM 환자의 데이터에 대해 학습되었다.
이번 공동 연구는 인텔 소프트웨어 가드 익스텐션(Intel SGX)과 인텔 연합학습 기술을 사용한 분산 시스템에서 대량의 데이터를 처리하는 방식으로 진행됐다. 인텔 SGX는 이와 유사한 암 및 질병 연구에서 협업을 제한했던 데이터 공유 관련 장벽을 제거하는 역할을 했다.
분산 시스템은 데이터 소유자의 인프라 내부에 원본 데이터를 보관하며, 해당 데이터를 바탕으로 한 모델 업데이트만 중앙 서버 또는 애그리게이터(aggregator)로 전송함으로써 수많은 데이터 개인정보보호 문제를 해결한다.
이번 연구의 수석 저자이자 펜 메디슨 병리학 & 진단검사의학과, 방사선학부 조교수인 스피리돈 바카스 박사(Spyridon Bakas, PhD)는 “이번 연구를 통해 연합 학습은 패러다임 전환을 통해 다양한 기관에서 방대하고 가장 다양한 교모세포종 환자들의 정보를 이동시키지 않고도 해당 정보에 접근할 수 있게 함으로써 많은 기관들이 협업할 수 있는잠재력을 보여주었다”고 밝혔다.
이어 “머신러닝 모델에 더 많은 데이터를 제공할수록 정확도가 향상되며, 결국 교모세포종과 같은 희귀한 질병을 이해하고 치료하는 역량을 한층 강화할 수 있다”고 말했다.
이처럼 질병 퇴치를 위한 연구를 발전시키려면 대부분의 경우 하나의 기관에서 생성할 수 있는 임계값을 초과하는 대규모 데이터 세트에 연구진이 접근할 수 있어야 한다. 이번 연구는 대규모 연합 학습의 효과와 다중 데이터 고립 현상이 해소될 때 의료 산업이 실현할 수 있는 잠재적인 이점을 보여준다.
즉, 질병 조기 탐지를 포함해 삶의 질 향상 또는 환자 수명 증가 등의 성과를 달성할 수 있다.
국내 서울아산병원 영상의학과, 연세대학교 의과대학을 비롯한 71개의 국제 의료 및 연구 기관은 인텔의 연합 학습 하드웨어와 소프트웨어를 사용하여 희귀 암의 경계를 탐지하는 법을 개선한 것이다.
인텔랩(Intel Labs)은 OpenFL 오픈소스 프로젝트를 개발해 고객이 실제 교차 사일로(silo) 연합 학습을 채택하고 인텔 SGX에 배포할 수 있도록 지원한다. 또한, 새로운 FeTS이니셔티브는 지속적인 개발을 위한 플랫폼을 제공하고 깃허브에서 사용할 수 있는 FeTS 플랫폼과 인텔의 OpenFL 오픈 소스 툴킷과의 협업을 장려하기 위해 협업 네트워크로 설립되었다.
제이슨 마틴(Jason Martin) 인텔 랩 수석 엔지니어는 “펜 메디슨과의 연구에서 알 수 있듯이 연합 학습은 다양한 영역, 특히 의료 분야에서 엄청난 잠재력을 가지고 있다. 민감한 정보와 데이터를 보호하는 기능은 특히 데이터 세트에 접근할 수 없는 경우, 향후 연구와 협업에 대한 기회를 조성한다”며 “펜 메디슨과의 협력은 전 세계 환자들에게 긍정적인 영향을 미칠 수 있으며, 연합 학습의 가능성을 계속 탐구하기를 기대한다”고 말했다.
롭 앤덜(Rob Enderle) 앤덜 그룹 수석 분석가는 “세상의 모든 컴퓨터는 충분한 양의 데이터를 분석하지 않고는 많은 성과를 만들어낼 수 없다. 이미 확보된 수많은 데이터를 분석할 수 없는 상황때문에 AI가 보장하는 대규모 의료 혁신이 상당히 지연됐다”며 “이번 연합 학습 연구는 AI가 난치병과 싸우는 가장 강력한 도구로 발전해 그 잠재력을 발휘할 수 있는, 실행 가능한 길을 보여주었다”고 말했다.
한편, 이번 연구 결과는 네이처 커뮤니케이션즈(Nature Communications)에 '연합 학습을 통해 희귀 암 경계 감지를 위한 빅데이터 지원(Federated learning enables big data for rare cancer boundary detection-아래 참조)'란 제목으로 5일(현지시간) 발표됐다.