전 세계는 여전히 코로나19 (이하, COVID-19)와 씨름하고 있다. 전염병이 발병한 지 1년이 지났음에도 불구하고, 최근 몇 달 동안 COVID-19의 급속한 확산으로 인해 중증 환자의 병실 부족으로 안타깝게 사망하는 사례가 빈번히 일고 있다. 또한 전문의들은 환자의 상태가 질병의 진행 과정에서 어떻게 변할지 예측하는 것은 여전히 어렵다.

환자는 앞으로 며칠 안에 개선될 것인가, 아니면 더 많은 중환자실이 필요할 정도로 악화될 것인가? 전례 없는 부담을 겪고 있는 병원들은 환자들이 더 높은 치료를 필요로 하는지를 알고 그에 따라 계획을 세우는 것이 중요하다. 특히, 응급실에서 환자의 징후를 빠르고 정확하게 분류하는 것이 무엇보다 필요한 시점이다.

페이스북 AI팀은 뉴욕대학교 랑곤 헬스(New York University Langone Health. 이하, NYU)의 예측 분석 및 방사선학과와의 공동 연구로 병원에서 COVID-19 환자를 돌볼 충분한 자원을 확보하도록 보장하기 위해 전문의가 환자의 상태가 어떻게 발전할지 예측하는 데 도움이 될 수 있는 ▷단일 X- 레이를 기반으로 환자의 악화를 예측하는 모델 ▷X- 레이 염기서열을 바탕으로 한 환자 열화 예측 모델 ▷단일 X- 레이를 기반으로 환자에게 필요한 보충 산소 (있는 경우)의 양을 예측하는 모델 등 세 가지 머신러닝(ML) 모델을 개발했다고 15일(현지시간) 밝혔다.

순차적 흉부 X-레이를 사용하는 AI 모델은 환자에게 더 많은 집중 치료 솔루션이 필요한 경우 최대 4일 (96 시간)까지 사전에 예측할 수 있다. 이는 전문의 예측을 능가한다고 한다. 이 사전 훈련된 모델을 연구팀은 오픈 소스로 공개하고 전 세계 의료팀들이 활용해 전문의가 위험에 처한 환자를 너무 빨리 집으로 보내는 것을 피하고 산소 투여 시기 등 기타 병원의 제한된 자원에 대한 수요를 더 잘 예측하는 데 도움이 될 수 있다고 밝혔다.

이 문제에 대한 이전 접근 방식은 감독 학습(Supervised Training)에 의존하고 단일 시간 프레임 이미지를 사용했다. 그러나 데이터에 레이블을 지정하는 데는 시간이 많이 걸리므로 적용에 어려움이 따랐다.

대신 연구팀은 모멘텀 콘트라스트(Momentum Contrast. 이하, MoCo)라는 자가지도 학습(Self-Supervised Learning) 기술을 사용하여 두 개의 대형 공개 흉부 X-레이 데이터 세트인 MIMIC-CXR-JPG 및 CheXpert에서 머신러닝 시스템을 사전 학습하도록 선택했다. 이를 통해 흉부 X-레이 이미지에서 정보를 추출할 수 있는 신경망을 훈련하기 위해 대량의 비 COVID 흉부 X-레이 데이터를 사용할 수 있었다. 그런 다음 NYU의 COVID-19 데이터 세트 확장 버전을 사용하여 MoCo 모델을 미세 조정했다.

특히, MIMIC-CXR-JPG 및 CheXpert에서 MoCo 모델을 사전 훈련한 후 모델을 사용하여 COVID-19 환자의 상태가 악화될 가능성을 예측할 수 있는 분류기를 구축했다. NYU의 COVID 흉부 X- 선 데이터 세트는 4,914 명의 환자에서 촬영한 26,838 개의 X-레이 이미지를 포함했기 때문에 미세 조정을 위해 사용했다.

연구팀은 환자의 악화를 예측하기 위해 두 종류의 분류기를 만들었다. 첫 번째 모델은 이전 연구와 유사한 방식으로 단일 X-레이를 기반으로 환자의 악화를 예측한다. 두 번째 모델은 트랜스포머 모델을 통해 이미지 특징을 추출하여 X-레이 시퀀스를 기반으로 환자의 악화를 예측한다.

레이블이 지정된 데이터 세트에 자체 감독 학습을 사용하는 것은 중요한데, 이는 AI 모델을 훈련하기에 충분한 COVID 흉부 X-레이 데이터 세트를 보유한 연구 그룹은 거의 없기 때문이다. 예측 목적으로 일련의 X-레이를 사용할 수 있는 AI 모델을 구축하는 것은 특히, 중요하다. 이 방법은 장기 예측에 X-레이를 사용하는 것이 더 정확하기 때문에 방사선 전문의의 작업 방식을 반영하기 때문이다. 중요한 것은 이 방법이 시간이 지남에 따라 COVID 감염의 진화를 설명한다는 점이다.

NYU에서 방사선 전문의와 함께 수행한 판독기 연구에 따르면, X-레이 이미지 시퀀스를 사용한 모델은 ICU 요구 및 사망률 예측, 그리고 장기(최대 96시간)에 대한 전반적인 부작용 예측을 인간 전문가보다 능가했다. 환자에게 산소자원이 필요한지 여부를 예측할 수 있는 것 또한 처음이며, 앞으로 몇 주, 몇 달 안에 자원을 배분하는 방법을 결정함에 따라 이 AI 모델은 전문의 및 의료기관에 혁신적인 도움이 될 수 있다.

NYU의 방사선과 교수인 윌리엄 무어(William Moore) 박사는 “우리는 이 AI 알고리즘을 사용하여 연속 흉부 방사선 사진이 COVID-19 환자의 치료 단계적 확대 필요성을 예측할 수 있었습니다" 라며, "COVID-19가 주요 공중 보건 문제이므로 환자의 치료 수준 향상 (예: ICU 입원)을 예측하는 능력은 병원에 필수적으로 작용하고 있습니다" 라고 말했다.

이러한 모델은 제품이 아니라 연구 솔루션으로, 전문의와 병원이 리소스 계획을 수립할 수 있도록 지원하기 위한 것으로 병원마다 고유한 데이터 세트가 있지만, 딥러닝 모델을 처음부터 학습하는 데 필요한 컴퓨팅 능력이 없는 경우가 많다. 사전 교육을 받은 모델을 오픈 소싱하여 컴퓨팅 리소스가 제한된 병원에서 자체 데이터를 사용하여 모델을 미세 조정할 수 있도록 하고 있다. 즉, 단일 GPU로 수행할 수 있는 작업이다.

페이스북 AI와 NYU 공동연구팀은 이 AI 모델을 통해 병원과 전문가들이 중요한 결정을 내리고 제한된 시간과 리소스로 환자들을 더 잘 치료하도록 도울 수 있기를 바란다고 밝혔다.

한편, 관련 연구 논문은 지난 13일 아카이브를 통해 '자가지도 학습 및 다중 이미지 예측을 통한 COVID-19 악화 예측(COVID-19 deterioration prediction via self-supervised representation learning and multi-image prediction- 다운)'이란 제목으로 발표됐으며, 해당 AI 모델은 깃허브(다운)를 통해 누구나 사용할 수 있다.