MEDI:GATE NEWS 자이메드, 파운데이션 모델 활용한 경동맥경화 기회검진 인공지능 모델개발

기사입력시간 25.10.21 09:40최종 업데이트 25.10.21 09:40

보건산업혁신창업센터 지원기업 자이메드는 안저사진을 활용해 심혈관질환의 주요 원인인 경동맥경화를 기회검진할 수 있는 파운데이션 모델 기반 설명 가능 인공지능(AI) 모델을 개발했다고 21일 밝혔다. 이번 연구는 ‘네이처 파트너 저널 디지털 메디신(npj Digital Medicine, 피인용지수 15.1)’ 온라인에 최근 게재됐다. 안저사진을 활용해 경동맥경화를 조기에 발견할 수 있는 기회검진(opportunistic screening) 인공지능 모델을 대규모 데이터로 사전 학습된 파운데이션 모델을 활용해 개발했다. 기존 인공지능 연구가 데이터를 처음부터 모아 특정 과제에 맞게 학습시켰다면, 이번 연구는 다양한 파운데이션 모델을 가져와 세 가지 방식으로 미세조정(fine-tuning)하며 최적의 성능과 설명가능성, 미래의 심혈관질환 사망 예측을 동시에 비교하고 검증했다. 연구팀은 Grad-CAM(Gradient-weighted Class Activation Mapping)이라는 설명가능 시각화 기법과 혈관 분할(segmentation) 모델을 결합해 인공지능(AI) 모델이 안저사진 내 동맥·정맥 같은 주요 혈관 부위를 얼마나 활용했는지를 점수화하는 방법을 개발했다. 이로써 설명력에 대한 단순한 정성적 평가를 넘어, 서로 다른 모델들이 실제 혈관 구조를 얼마나 반영했는지를 설명력을 정략적 비교 평가해 최적의 모델을 찾을 수 있었다. 교신저자인 장주영 박사(자이메드, CTO)는 "이번 연구는 안저사진에 여러 파운데이션 모델을 적용하고 비교하면서, 단순한 예측 정확도뿐 아니라 임상적 의미와 설명가능성을 함께 검증했다는 점에서 큰 의의가 있다"고 밝혔다. 제 1저자인 이혁종 연구원(서울대 의과대학)은 "의료 AI에서 매우 중요한 설명가능성은 기존까지는 시각적 결과에 의존해 연구자의 주관적인 정성 평가에 머물렀다"며 "이번 연구에서 개발한 혈관 주목 점수를 통해 여러 모델의 설명가능성을 객관적이고 정량적으로 비교할 수 있었다"고 말했다. 제 1저자인 김재원 원구원(서울대 의과대학)은 "파운데이션 모델을 의료 영상에 적용할 때 단순히 좋은 성능을 보이는 것에 그치지 않고, 실제 의료 현장에서 신뢰받고 활용되기 위해서는 다차원적인 평가 체계가 필요하다"며 "본 연구는 그러한 방향성을 제시했다는 점에서 의미가 크다"고 설명했다. 자이메드 박상민 대표는 "단순히 예측의 정확도만 보는 것이 아니라, 인공지능(AI)의 의사결정 과정을 얼마나 투명하게 설명할 수 있는지를 동시에 평가함으로써 파운데이션 모델을 어떻게 선택하고 활용해야 하는지에 대한 방향성을 제시했다"고 밝혔다.

제보 공유

자이메드, 파운데이션 모델 활용한 경동맥경화 기회검진 인공지능 모델개발

보건산업혁신창업센터 지원기업 자이메드는 안저사진을 활용해 심혈관질환의 주요 원인인 경동맥경화를 기회검진할 수 있는 파운데이션 모델 기반 설명 가능 인공지능(AI) 모델을 개발했다고 21일 밝혔다. 이번 연구는 ‘네이처 파트너 저널 디지털 메디신(npj Digital Medicine, 피인용지수 15.1)’ 온라인에 최근 게재됐다.

안저사진을 활용해 경동맥경화를 조기에 발견할 수 있는 기회검진(opportunistic screening) 인공지능 모델을 대규모 데이터로 사전 학습된 파운데이션 모델을 활용해 개발했다.

기존 인공지능 연구가 데이터를 처음부터 모아 특정 과제에 맞게 학습시켰다면, 이번 연구는 다양한 파운데이션 모델을 가져와 세 가지 방식으로 미세조정(fine-tuning)하며 최적의 성능과 설명가능성, 미래의 심혈관질환 사망 예측을 동시에 비교하고 검증했다.

연구팀은 Grad-CAM(Gradient-weighted Class Activation Mapping)이라는 설명가능 시각화 기법과 혈관 분할(segmentation) 모델을 결합해 인공지능(AI) 모델이 안저사진 내 동맥·정맥 같은 주요 혈관 부위를 얼마나 활용했는지를 점수화하는 방법을 개발했다. 이로써 설명력에 대한 단순한 정성적 평가를 넘어, 서로 다른 모델들이 실제 혈관 구조를 얼마나 반영했는지를 설명력을 정략적 비교 평가해 최적의 모델을 찾을 수 있었다.

교신저자인 장주영 박사(자이메드, CTO)는 "이번 연구는 안저사진에 여러 파운데이션 모델을 적용하고 비교하면서, 단순한 예측 정확도뿐 아니라 임상적 의미와 설명가능성을 함께 검증했다는 점에서 큰 의의가 있다"고 밝혔다.

제 1저자인 이혁종 연구원(서울대 의과대학)은 "의료 AI에서 매우 중요한 설명가능성은 기존까지는 시각적 결과에 의존해 연구자의 주관적인 정성 평가에 머물렀다"며 "이번 연구에서 개발한 혈관 주목 점수를 통해 여러 모델의 설명가능성을 객관적이고 정량적으로 비교할 수 있었다"고 말했다.

제 1저자인 김재원 원구원(서울대 의과대학)은 "파운데이션 모델을 의료 영상에 적용할 때 단순히 좋은 성능을 보이는 것에 그치지 않고, 실제 의료 현장에서 신뢰받고 활용되기 위해서는 다차원적인 평가 체계가 필요하다"며 "본 연구는 그러한 방향성을 제시했다는 점에서 의미가 크다"고 설명했다.

자이메드 박상민 대표는 "단순히 예측의 정확도만 보는 것이 아니라, 인공지능(AI)의 의사결정 과정을 얼마나 투명하게 설명할 수 있는지를 동시에 평가함으로써 파운데이션 모델을 어떻게 선택하고 활용해야 하는지에 대한 방향성을 제시했다"고 밝혔다.

오탈자 신고 스크랩 인쇄 제보 공유

이지원 기자 (jwlee@medigatenews.com)

이 기자의 다른 기사 보기