[데일리비즈온 김소윤 기자] 구글의 인공지능(AI) 알파고는 지난 2016년 프로바둑기사 이세돌과 바둑 대결을 한 것으로 유명하다. 당시 바둑이라는 종목이 인공지능이 접근하기엔 어려운 영역이라는 이유로 많은 이들이 이세돌의 승리를 점쳤다. 그러나 이 세기의 대결 승자는 알파고였다. 총 5번 중 4번을 이긴 알파고의 대승이었다.

알파고에 사용된 알고리즘은 딥러닝이다. AI의 한 분야로 알려진 런닝머신과도 연관이 있는데 이는 기계학습이라고도 한다. 컴퓨터에 반복적으로 특정한 입력‧출력 값을 인식시키며 스스로 데이터 분석과 패턴 인식 능력을 제고하게 한다.

지속적인 학습으로 비슷한 데이터끼리 묶고 상하 구조를 인식해 향후 행동을 예측하는 내용이 골자다. 일반 기계학습은 지도 학습으로 이루어지는 가운데 기계학습 중 스스로 학습하는 알고리즘을 딥러닝이라고 칭한다. 딥러닝은 즉 러닝머신 알고리즘의 하나다.

딥러닝은 인간의 신경망에서 착안했다. 딥러닝은 현재 많은 분야에서 활용되고 있다. 주로 물체 인식, 자동차 장애물 센서 연구에도 사용되고 있다. 해외에선 구글이 음성 인식과 번역 등에 사용된다.

특히 딥러닝의 놀라운 능력은 고도의 전문직에 속하는 의사의 역할을 수행할 수 있는 것으로 분석됐다. 딥러닝을 이용한 AI가 중국의 의사 면허 시험을 통과했다는 소식이 전해져 많은 이들의 놀라움을 자아냈다.

국내에서도 최근 딥러닝 알고리즘을 통해 축농증을 진단했을 때 정확도가 영상의학과 의사와 비슷한 수준을 보였다는 연구 결과가 제시돼 화제다. 딥러닝을 이용한 사례가 계속 제기되면서 그 능력이 입증되고 있는 셈이다.

13일 분당서울대병원 영상의학과 선우준·이경준 교수 연구팀이 딥러닝 알고리즘을 통해 상악동 부비동염(축농증)을 진단했을 때의 정확도가 숙련된 영상의학과 의사와 동등한 수준을 보였다는 내용을 발표했다. 이번 연구 결과는 국제학술지 '인베스티게이티브 래디알로지(Investigative Radiology)' 최신호에 게재됐다.

부비동염이란 코 주위의 얼굴뼈 속에 존재하는 빈 공간인 '부비동'의 입구가 막혀 분비물의 배설이 원활하지 못해 염증이 생기고 농이 고이는 질환을 말한다. 이를 일차적으로 판별하는데 주로 쓰이는 방법이 X선을 이용한 단순촬영검사다.

이 검사는 진단 정확도가 100%에 미치지 못하는 70~80% 수준이다. CT 검사에 비해 방사선량이 적다는 장점은 있다. 다만 정확도를 이유로 정밀진단을 하기 위해 CT 검사를 시행하는 것이 통상적이다. 이 가운데 연구팀이 최근 연구를 통해 단순촬영검사 진단 정확도를 높이기 위해 딥러닝 알고리즘을 활용할 수 있다는 내용을 제시하게 된 것이다.

연구팀은 2003~2017년 분당서울대병원에서 부비동염이 의심돼 시행한 단순촬영검사 결과 9000건을 영상 소견에 따라 정상 혹은 상악동 부비동염으로 분류한 뒤 해당 데이터를 학습용 데이터(8000건)와 검증용 데이터(1000건)로 나눠 딥러닝 알고리즘 개발에 활용했다.

또 개발된 알고리즘을 보다 정확히 검증하려는 목적으로 함께 촬영된 CT 검사의 소견에 따라 정답을 매긴 두 개의 시험용 데이터셋을 따로 만들었다. 이를 기반으로 숙련된 영상의학과 의사 5명과의 진단 정확도를 비교했다.

딥러닝 알고리즘 성능은 모든 시험용 데이터셋에서 영상의학과 의사와 동등한 수준의 진단 정확도를 보였다. 정확한 검증을 위해 분당서울대병원 영상데이터를 이용해 학습한 딥러닝 알고리즘을 외부 병원(서울대병원 본원)의 영상데이터에 적용했을 때도 진단 정확도가 유지되는 것을 확인했다.

이와 관련 선우준 교수는 “연구를 통해 딥러닝 알고리즘을 이용하면 단순촬영검사에서도 정확하게 부비동염을 진단할 수 있음을 증명했다”면서 “알고리즘을 실제로 일차검사 및 추적검사에 활용했을 때의 효용성을 확인하기 위해서는 향후 임상시험이 필요하다”고 임상 결과에 대해 설명했다.

아울러 연구팀은 알고리즘의 정확도를 향상시키고 상악동 이외 전두동, 사골동, 접형동 등 다른 부비동염의 진단에서도 이 알고리즘을 활용하도록 2가지 이상 각도에서 촬영한 단순촬영검사를 이용하는 후속 연구를 계획 중인 것으로 전해졌다.