한국의 우수 연구자
박창민 (Park Chang-MIn) MD, Ph.D.
서울대학교 의과대학
Development and Validation of Deep Learning-based Automatic Detection Algorithm for Malignant Pulmonary Nodules on Chest Radiographs., Radiology. 2019 Jan;290(1):218-228
『폐암 및 폐전이암 진단을 위한, 딥러닝 기반 흉부X-선 진단보조시스템의 개발과 진단능 검증』
  


1. 논문내용의 간략한 요약 (관련 연구분야 동향포함)

흉부X선검사는 폐암을 비롯한 주요 흉부질환의 기본 진단 검사입니다. 하지만, 진단능이 낮아, 진단능 향상을 위한, 진단보조시스템 개발의 요구가 높습니다. 소개할 연구는, 딥러닝 기술을 활용해서, 흉부X선 영상의 진단능을 향상시키고자 한 시도로, 총 34,676명의 환자에서 유래한, 43,292장의 흉부X-선영상이 연구개발에 활용되었고, 개발시스템의 검증을 위해, 국내 3개 대학병원과 미국의 UCSF 대학병원이 참여했습니다. 총 31명의 의사들이 개발과 검증에 참여한, 의료영상 인공지능 분야의 랜드마크 연구 중 하나로 평가됩니다. 

연구 내용을 간단히 살펴보면, 알고리즘 개발 부분이 있고, 개발한 딥러닝 시스템의 성능 검증을 위해, 내부검증 (internal validation) 자료를 이용한 분석, 4개 병원에서 각기 시행한 4번의 외부검증, 딥러닝 시스템과 18명의 판독의사들과의 진단능 비교, 그리고, 딥러닝 진단보조시스템을 활용했을 때, 판독의들의 진단능력이 향상되는지 여부까지 분석하였습니다. 개발된 딥러닝 진단보조시스템은, 내/외부 검증 모두에서 그 진단능이 매우 우수하였고, 일관적인 진단능을 보였습니다. 18명의 판독의들과 비교했을 때에도, 대부분의 판독의들보다 진단능이 높았습니다. 더욱이, 이 딥러닝 진단보조시스템을 활용했을 때, 판독의들의 폐암/폐전이암 진단능이 통계적으로 유의하게 향상되어, 향후 딥러닝 기술의 임상적용에 대한 기대를 높였습니다. 

2. 연구과정에서 나누고 싶은 내용

이 논문은, 2019년 출판된 후, 총 82회 인용되었고, (google scholar, 2020-07-11) 영상의학 분야의 flagship 저널인 Radiology의 2019년 10대 논문으로 선정된 바 있습니다. 이 분야의 대표적인 opinion leader 인, Eric Topple 박사의 베스트셀러, “Deep Medicine: How artificial intelligence can make healthcare human again” 에도 연구 결과가 소상히 소개되어, 제 개인적으로도, 학문하는 보람을 느낄 수 있었던 소중한 경험이었습니다. 

이 연구는, 여러 중요한 측면들이 있지만, 연구자들의 구성과, 협업, 인적 연계망의 필요성과 중요성에서도 참고할 여지가 있습니다. 의학자와 공학자의 협업을 통한 인공지능의 개발, 시스템개발 및 검증을 위해, 총31명의 영상전문의들의 참여, 그리고, 외부 검증과정에서 미국 병원 연구진들의 참여가 없었다면, 이 연구 개발은 불가능했을 겁니다. 이런 협업 과정을 통해, 저나 저희 연구팀에게도, 좀더 배우고, 성장할 수 있는 좋은 계기가 되었습니다. 이 글을 읽으시는 연구자들, 특히 막 연구를 시작하시는 선생님들께 인적 연계망의 중요성을 강조하고 싶습니다. 

현재, 의학/의료 분야의 인공지능의 개발은, 대규모 의무기록, 생체신호를 활용한 연구 개발, 그리고, 의료영상 분야에서 매우 활발하게 진행되고 있습니다. 특히, 의료 영상 특히, 흉부x선 영상과 같은 영상의학 분야가 가장 앞서 있으며, 일부 선두 그룹에서는, 연구를 넘어, 산업화 초기 단계에 도달해 있는 상태입니다. 이 연구는 딥러닝 기술 기반의 진단보조시스템의 개발과 성능 검증의 전형을 보여 주는 연구로서, 이 분야의 연구자들에게 연구 개발의 방법론 측면에서 도움이 되길 희망합니다. 

 

3. 연구활동과 관련된 앞으로의 계획

저희 연구실은 영상의학적 문제를 인공지능 기술로 풀어나가는 것을 주된 학문 목표로 삼고 있습니다. 특히, 흉부X선영상, CT 영상을 활용해서, 연구 개발을 하고 있습니다. 의료 인공지능들이, 환자 진료에 사용할 수 있을 정도가 되기 위해서, 아직 풀어야 할 숙제들이 많이 있습니다. 성능, 재현도, 인공지능의 설명가능성의 문제, 성능 검증, 의사들의 인공지능 활용 방식, 임상적 적응증의 문제 등이 이런 숙제들인데요, 저희는, 특히 인공지능 개발과 임상검증, 인공지능 활용방식과 임상적 적응증의 문제에 대해 연구를 집중할 계획입니다. 

 

4. 끝으로 후배 연구자들에게 하시고 싶은 말씀

의학 연구는, 분야가 매우 다양합니다. 하지만, 그 최종적인 지향점은 다르지 않다 생각합니다. 환자들의 질병을 치료하고, 질병으로 인한 고통을 줄여주고, 수명을 늘리고, 의료서비스 경험을 향상시키는 걸 겁니다. 더 바란다면, 의료인의 삶의 질 향상에도 기여할 수 있으면 더 좋겠고요. 저는 의료 인공지능이 의학과 의료의, 이 최종적인 목표에 도달하는 데 도움이 될 것으로 믿고 있습니다. 많은 우수한 동료, 후배 연구자들께서, 의료 인공지능 분야에 뛰어들어, 의학적, 기술적 진보를 이룰 수 있길 고대합니다.

 





2020-11-05 오전 12:00:00 조회수 : 96