딥러닝 기술로 수술계획 수립 시간, 수작업 시간의 0.1%대로 단축, 자사의 인공지능 기반 골절수술계획시스템 DeepPLAN T에 기술 적용
카비랩(대표 강성빈)은 울산대학교병원, 서울성모병원, 여의도성모병원, 연세대학교 의과대학과 함께 정형외과 수술계획 수립 자동화에 필수적인 딥러닝 기반 의미론적 (Semantic Segmentation) 골격/골편 분할 기술력에 대한 후향적 임상시험 결과를 세계적인 과학 저널 네이처(Nature)가 출간하는 국제 학술지 '사이언티픽 리포트(Scientific Reports)'에 게재됐다.
정형외과는 현재까지 진료에서 공식적인 행위로 수술계획 단계가 없다. 즉, 정형외과에서 수술을 받은 환자 그 누구라도 수술계획과 관련된 명목으로 비용을 청구 받은 환자는 대한민국 어디에도 없다는 것이다. 물론, 집도의 입장에서는 비용 발생 여부와 관계없이 다양한 방법으로 수술계획을 고민하는 집도의가 적지 않다.
특히, 어렵고 복잡한 수술을 앞둔 집도의라면 누구나 정확하고 가시성 있는 수술계획을 가지고 수술장에 들어가고 싶어한다. 하지만 안타깝게도 제대로 된 수술계획을 미처 세우지 못하고 수술이 진행되는 경우가 매우 빈번하다.
2022년 10월 Frontier in Bioengineering and Biotechnology에 게재된 리뷰 논문은 79개의 게재된 논문을 이용하여 정형외과에서 수술계획이 환자에게 어떠한 영향을 미치는지를 분석하였다.
분석 결과에 따르면, 수술계획을 수립하고 수술을 진행하면 그렇지 않은 수술 결과 보다 수술 시간과 환자의 출혈량이 줄어들어 감염의 확률을 저감시킬 수 있었고, 수술 중에 촬영하는 방사선영상 기기의 사용량이 감소하여 환자의 피폭을 감소시켰으며, 회복 시간과 입원 기간을 단축시켰을 뿐만 아니라 부작용의 확률을 낮춘 것으로 조사됐다.
그렇다면 왜 정형외과 의사들은 이렇게 환자, 의사 모두에게 도움이 될 수 있는 수술계획 수립을 공식적으로 진행하지 않는 것일까? 이유는 크게 두 가지가 있다.
첫째, 수술계획의 수립은 대부분 전문의 혹은 전공의가 직접 수작업으로 진행을 해야 되는데 한 환자에 대한 수술계획 수립에 많은 인력과 시간을 할애해야만 한다. 하루에도 많게는 10건이 넘는 수술을 진행해야 하는 전문의 입장에서는 수술계획에 시간을 할당하기 매우 버거운 것이 현실이다.
둘째, 정형외과에서 수술계획과 관련된 행위가 의료수가에 등재된 사항이 전무하다. 의료수가는 의료기관의 운영 수익과 직결되는 아주 중요한 사항이다. 수술계획이 환자와 전문의에게 도움이 될 수 있고 의료기관에서도 도입을 원한다 하더라도 해당 행위가 의료수가에 등재되지 않았다면, 소요되는 시간 대비 운영 수익적 효율성을 고려했을 때 의료기관에서는 도입을 기피할 수 밖에 없다.
카비랩은 이번 연구를 통해 수작업으로 진행하던 수술계획 수립 과정에 대해 딥러닝으로 자동화할 수 있는 원천 기술력의 우수성을 세계 무대에서 입증하는데 성공하였다. 해당 기술은 카비랩의 메인 제품인 DeepPLAN T에 적용되어 있으며, 숙련자 수작업 기준 약 1~2시간이 소요되는 작업을 십 수 초 이내 자동으로 골격과 골편 조각(골절 환자)을 정확하고 가시성 있게 분할해주는 기술로, 수술계획 수립 자동화에 있어서 핵심적인 기술이다.
금번 기술 개발을 이끈 윤도군 부대표(연세대학교 의과대학 융합의학과 겸임교수)는 "DeepPLAN T로 신설된 통합심사 트랙을 통하여 정형외과의 수술계획에 대한 비급여 수가 등재를 도전하고 있으며, 수가 등재 시 환자, 의사, 의료기관에 모두 이득이 되는 정형외과의 디지털 전환이 가능해질 것"이라고 말했다.
또한, 기술 개발에 핵심적인 역할을 하고 직접 임상시험을 진행한 울산대학교병원 정형외과 전영대 교수는 "AI가 진단을 넘어 치료와 수술에 도움을 줄 수 있는 시대가 이미 시작되었고 수술이 주된 정형외과에서는 이번 연구로 AI의 최대 수혜과 중 하나가 될 수 있을 것"이라고 말했다.
한편, 이번 연구는 '딥러닝으로 CT 이미지에서 경골/비골의 불규칙한 골절 조각 자동 분할(Automatic segmentation of inconstant fractured fragments for tibia/fibula from CT images using deep learning-아래 첨부)'란 제목으로 지난 22일(현지시간) 게재됐다.