- 인공지능, 안과 전문의와 유사한 정확도-빠른 데이터 분석 가능해 - 연구 논문, 안과학 분야 최고 권위 학술지 ‘미국안과학회지’에 게재 [왓처데일리]건국대병원 안과 김형찬 교수팀이 딥러닝 기반의 인공지능 모델이 삼출성 나이관련 황반변성 환자에서 관찰되는 병변들을 높은 정확도로 빠른 시간 내 구획화 하는 것으로 나타났다고 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.
이 중 550장은 회전, 늘임, 줄임 등의 변화를 거쳐 11550장으로 증강시킨 후 신경망 학습에 활용하고 140장은 학습 과정이 적절하게 이뤄지는지 확인하는 용도로 사용했다. 남은 240장은 훈련된 학습망의 테스트에 사용했다.
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 측정되었다. 신경망과 의사 2간에, 의사 1과 의사 2간의 결과도 유사하였다. 진단의 정확도 면에서는 안과의사와 신경망이 유사한 결과치를 낸 것. 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. |
