MEDI:GATE NEWS 황반변성 병변 발견에 인공지능 성능 확인

기사입력시간 18.10.18 15:10최종 업데이트 18.10.18 15:10

사진: 건국대병원 김형찬 교수 [메디게이트뉴스 윤영채 기자] 건국대병원 안과 김형찬 교수팀은 18일 "딥러닝 기반의 인공지능 모델이 삼출성 나이관련 황반변성 환자에서 관찰되는 병변들을 높은 정확도로 빠른 시간 내 구획화 하는 것으로 나타났다"고 밝혔다. 이 연구는 안과학 분야의 최고 권위 학술지인 ‘미국안과학회지(American Journal of Ophthalmology(AJO)’ 7월에 게재됐다. 김형찬 교수팀은 삼출성 나이관련 황반변성 환자의 빛간섭단층촬영에서 관찰되는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리를 딥러닝 기술인 컨볼루션 신경망(Convolutional Neural Network, CNN)을 이용해 자동으로 구획화 해 안과 전문의와 비교 분석했다. 김형찬 교수팀은 삼출성 나이관련 황반변성 환자 93명, 93안에서 빛간섭단층촬영 영상을 찍은 후 각각에서 10장의 B-scan을 무작위로 추출해 총 930장을 확보했다. 이 중 550장은 회전, 늘임, 줄임 등의 변화를 거쳐 1만1550장으로 증강시킨 후 신경망 학습에 활용하고 140장은 학습 과정이 적절하게 이뤄지는지 확인하는 용도로 사용했다. 남은 240장은 훈련된 학습망의 테스트에 사용했다. 김형찬 교수팀은 인공지능과 2명의 안과 의사 간의 Dice coefficient(다이스 계수), 양성예측도, 민감도, 상대면적차이, 급내상관계수 및 구획화에 사용한 시간을 확인했다. 그 결과, 240장의 시험데이터에 대해 신경망과 안과 의사 1간의 다이스 계수는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리 순서로 0.78, 0.82, 0.75, 0.80 로 나타났다. 양성예측도는 0.79, 0.80, 0.75, 0.80, 민감도는 0.77, 0.84, 0.73, 0.81로 확인됐다. 상대면적차이는 –4.32%, -10.00%, 4.13%, 0.34%로 10% 이내였고 급내상관계수는 0.98, 0.98, 0.97, 0.98로 높게 측정됐다. 신경망과 의사 2간에, 의사 1과 의사 2간의 결과도 유사했다. 진단의 정확도 면에서는 안과의사와 신경망이 유사한 결과치를 낸 것이다. 반면 시험 데이터를 구획화하는 데 있어서는 의사가 약 10시간, 신경망은 약 10초로 신경망의 속도가 현저히 빨랐다. 김형찬 교수는 “컨볼루션 신경망이 상대적으로 훨씬 짧은 시간에 다양한 삼출성 나이관련 황반변성 병변의 구획화를 정확하게 수행했다”며 “향후 병변들의 정량적 분석에 유용할 것”이라고 연구 의의를 밝혔다.

제보 공유

황반변성 병변 발견에 인공지능 성능 확인

건대 김형찬 교수팀, "인공지능, 안과 전문의와 유사한 정확도-빠른 데이터 분석 가능해"

[메디게이트뉴스 윤영채 기자] 건국대병원 안과 김형찬 교수팀은 18일 "딥러닝 기반의 인공지능 모델이 삼출성 나이관련 황반변성 환자에서 관찰되는 병변들을 높은 정확도로 빠른 시간 내 구획화 하는 것으로 나타났다"고 밝혔다.

이 연구는 안과학 분야의 최고 권위 학술지인 ‘미국안과학회지(American Journal of Ophthalmology(AJO)’ 7월에 게재됐다.

김형찬 교수팀은 삼출성 나이관련 황반변성 환자의 빛간섭단층촬영에서 관찰되는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리를 딥러닝 기술인 컨볼루션 신경망(Convolutional Neural Network, CNN)을 이용해 자동으로 구획화 해 안과 전문의와 비교 분석했다.

김형찬 교수팀은 삼출성 나이관련 황반변성 환자 93명, 93안에서 빛간섭단층촬영 영상을 찍은 후 각각에서 10장의 B-scan을 무작위로 추출해 총 930장을 확보했다.

이 중 550장은 회전, 늘임, 줄임 등의 변화를 거쳐 1만1550장으로 증강시킨 후 신경망 학습에 활용하고 140장은 학습 과정이 적절하게 이뤄지는지 확인하는 용도로 사용했다. 남은 240장은 훈련된 학습망의 테스트에 사용했다.

김형찬 교수팀은 인공지능과 2명의 안과 의사 간의 Dice coefficient(다이스 계수), 양성예측도, 민감도, 상대면적차이, 급내상관계수 및 구획화에 사용한 시간을 확인했다.

그 결과, 240장의 시험데이터에 대해 신경망과 안과 의사 1간의 다이스 계수는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리 순서로 0.78, 0.82, 0.75, 0.80 로 나타났다. 양성예측도는 0.79, 0.80, 0.75, 0.80, 민감도는 0.77, 0.84, 0.73, 0.81로 확인됐다. 상대면적차이는 –4.32%, -10.00%, 4.13%, 0.34%로 10% 이내였고 급내상관계수는 0.98, 0.98, 0.97, 0.98로 높게 측정됐다.

신경망과 의사 2간에, 의사 1과 의사 2간의 결과도 유사했다. 진단의 정확도 면에서는 안과의사와 신경망이 유사한 결과치를 낸 것이다. 반면 시험 데이터를 구획화하는 데 있어서는 의사가 약 10시간, 신경망은 약 10초로 신경망의 속도가 현저히 빨랐다.

김형찬 교수는 “컨볼루션 신경망이 상대적으로 훨씬 짧은 시간에 다양한 삼출성 나이관련 황반변성 병변의 구획화를 정확하게 수행했다”며 “향후 병변들의 정량적 분석에 유용할 것”이라고 연구 의의를 밝혔다.

오탈자 신고 스크랩 인쇄 제보 공유

윤영채 기자 (ycyoon@medigatenews.com)

이 기자의 다른 기사 보기

댓글보기(0)