MEDI:GATE NEWS 서울대 의료빅데이터연구센터, 의료 인공지능 경진대회 SAM 창설

기사입력시간 21.12.20 16:39최종 업데이트 21.12.21 07:06

SAM 로고. 서울대 의료빅데이터연구센터(Medical Big Data Research Center: MBRC)가 'Solution with AI in Medicine(이하 SAM 대회)'이라는 이름의 새로운 의료 인공지능 경진대회를 창설하고 1·2회 SAM 대회를 성공적으로 개최했다고 20일 밝혔다. 서울대병원·한국지능정보사회진흥원이 공동 주최한 이번 두 대회는 지난달 12일과 19일 예선 심사 이후 각각 10개 팀을 추려 지난달 17일~30일 연이어 본선을 치렀다. 이후 발표평가를 거쳐 지난 3일과 10일 상위 3개 팀에 대한 시상(총상금 700만 원)을 끝으로 한 달간의 일정을 모두 마쳤다. 1·2회 SAM 대회의 주제는 피부질환 이미지 데이터를 이용해 아토피 피부염 및 욕창의 중증도 판별 등 전문가의 진단을 보조하는 인공지능 솔루션을 개발하는 것이었다. 아토피 피부염의 경우 짧은 시간에 병변의 변화가 있어 의료진이 신속히 대응하기 위한 인공지능 솔루션이 필요하다. 욕창 또한 병변의 특성상 외래진료를 통한 치료 및 관리가 어려우므로 환부를 원격으로 관찰하고 진단함으로써 의료의 질을 향상할 수 있다. 1회 SAM 대회 참가팀은 서울대병원 피부과에서 수집한 3000여 개의 아토피 피부염 이미지 데이터 세트를 이용해 4단계 중증도 판별 알고리즘을 개발했다. 1위는 EfficientNet 모델을 학습시킴으로써 이미지 분류의 정확도 및 처리 속도를 높인 'CaffeDream(인천대 강동화·김문기)'팀이 차지했다. 병변의 마스크 정보를 활용해 추출한 특정 정보를 학습시키고 2D U-Net을 이용한 'BMAI-TOR(토론토대 김상욱)'팀이 2위에 올랐으며 3위는 '배류나류 배류배류(성균관대 류세열·배현재)'팀이 가져갔다. 2회 SAM 대회 참가팀은 서울대병원 피부과에서 수집한 5000여 개의 단계별 욕창 및 기타 감별 질환 이미지 데이터 세트를 이용했다. 욕창 단계의 분류, 환부의 위치 및 크기를 사각 박스로 검출하는 과정에서의 정확도를 기준으로 평가를 진행했다. 1위는 YOLO v5 기반 딥러닝 학습모델을 통해 핵심 평가지표에서 높은 점수를 기록한 '대모산(OP.GG 정동준)'팀이 차지했다. 2위인 'BrianaAI(인피니트헬스케어 변소현)'팀은 VGG-16 model 구조를 기반으로 욕창 진단에 적용한 학습모델인 PU-Net(Pressure Ulcer Network)을 제안해 눈길을 끌었다. 3위는 EfficientDet을 활용한 'CaffeDream(인천대 강동화·김문기)'팀에 주어졌다. 서울대 의료빅데이터연구센터는 2018년부터 서울대병원과 함께 임상 데이터톤 및 의료 인공지능 챌린지(Medical AI Challenge: MAIC)를 진행해왔다. SAM 대회는 이와 같은 다양한 경진대회 운영 경험을 바탕으로 글로벌 의료 인공지능 경진대회로 발돋움하기 위해 의료빅데이터연구센터가 새롭게 선보인 대회이다. 의료 인공지능 개발에 관심이 있는 누구나 5인 이하의 팀을 구성해 참여할 수 있다. 이번에 열린 1·2회 SAM 대회에 이어 3회 대회부터는 센터의 글로벌 네트워크를 매개로 국제 홍보를 강화하고 해외 참가자의 참여를 점차 확대할 예정이다. 이규언 의료빅데이터연구센터장은 "앞으로 SAM 대회를 통해 의료 인공지능 솔루션 개발을 촉진하고 세계적으로 인정받는 우수한 대회로 자리매김할 수 있도록 최선을 다하겠다"고 밝혔다.

제보 공유

서울대 의료빅데이터연구센터, 의료 인공지능 경진대회 'SAM' 창설

1·2회 대회 성료, 글로벌 경진대회로 발돋움 계획

서울대 의료빅데이터연구센터(Medical Big Data Research Center: MBRC)가 'Solution with AI in Medicine(이하 SAM 대회)'이라는 이름의 새로운 의료 인공지능 경진대회를 창설하고 1·2회 SAM 대회를 성공적으로 개최했다고 20일 밝혔다.

서울대병원·한국지능정보사회진흥원이 공동 주최한 이번 두 대회는 지난달 12일과 19일 예선 심사 이후 각각 10개 팀을 추려 지난달 17일~30일 연이어 본선을 치렀다. 이후 발표평가를 거쳐 지난 3일과 10일 상위 3개 팀에 대한 시상(총상금 700만 원)을 끝으로 한 달간의 일정을 모두 마쳤다.

1·2회 SAM 대회의 주제는 피부질환 이미지 데이터를 이용해 아토피 피부염 및 욕창의 중증도 판별 등 전문가의 진단을 보조하는 인공지능 솔루션을 개발하는 것이었다.

아토피 피부염의 경우 짧은 시간에 병변의 변화가 있어 의료진이 신속히 대응하기 위한 인공지능 솔루션이 필요하다. 욕창 또한 병변의 특성상 외래진료를 통한 치료 및 관리가 어려우므로 환부를 원격으로 관찰하고 진단함으로써 의료의 질을 향상할 수 있다.

1회 SAM 대회 참가팀은 서울대병원 피부과에서 수집한 3000여 개의 아토피 피부염 이미지 데이터 세트를 이용해 4단계 중증도 판별 알고리즘을 개발했다.

1위는 EfficientNet 모델을 학습시킴으로써 이미지 분류의 정확도 및 처리 속도를 높인 'CaffeDream(인천대 강동화·김문기)'팀이 차지했다.

병변의 마스크 정보를 활용해 추출한 특정 정보를 학습시키고 2D U-Net을 이용한 'BMAI-TOR(토론토대 김상욱)'팀이 2위에 올랐으며 3위는 '배류나류 배류배류(성균관대 류세열·배현재)'팀이 가져갔다.

2회 SAM 대회 참가팀은 서울대병원 피부과에서 수집한 5000여 개의 단계별 욕창 및 기타 감별 질환 이미지 데이터 세트를 이용했다. 욕창 단계의 분류, 환부의 위치 및 크기를 사각 박스로 검출하는 과정에서의 정확도를 기준으로 평가를 진행했다.

1위는 YOLO v5 기반 딥러닝 학습모델을 통해 핵심 평가지표에서 높은 점수를 기록한 '대모산(OP.GG 정동준)'팀이 차지했다. 2위인 'BrianaAI(인피니트헬스케어 변소현)'팀은 VGG-16 model 구조를 기반으로 욕창 진단에 적용한 학습모델인 PU-Net(Pressure Ulcer Network)을 제안해 눈길을 끌었다. 3위는 EfficientDet을 활용한 'CaffeDream(인천대 강동화·김문기)'팀에 주어졌다.

서울대 의료빅데이터연구센터는 2018년부터 서울대병원과 함께 임상 데이터톤 및 의료 인공지능 챌린지(Medical AI Challenge: MAIC)를 진행해왔다.

SAM 대회는 이와 같은 다양한 경진대회 운영 경험을 바탕으로 글로벌 의료 인공지능 경진대회로 발돋움하기 위해 의료빅데이터연구센터가 새롭게 선보인 대회이다. 의료 인공지능 개발에 관심이 있는 누구나 5인 이하의 팀을 구성해 참여할 수 있다.

이번에 열린 1·2회 SAM 대회에 이어 3회 대회부터는 센터의 글로벌 네트워크를 매개로 국제 홍보를 강화하고 해외 참가자의 참여를 점차 확대할 예정이다.

이규언 의료빅데이터연구센터장은 "앞으로 SAM 대회를 통해 의료 인공지능 솔루션 개발을 촉진하고 세계적으로 인정받는 우수한 대회로 자리매김할 수 있도록 최선을 다하겠다"고 밝혔다.

오탈자 신고 스크랩 인쇄 제보 공유

박민식 기자 (mspark@medigatenews.com)

이 기자의 다른 기사 보기

댓글보기(0)