인공지능(AI) 모델 중 ResNet보다 이를 개선한 ConvNeXt가 암의 골 전이 진단에 더 높은 정확도를 보인다는 연구결과가 나왔다.

이석현 한림대 강남성심병원 영상의학과 교수팀(김동우 한림대 성심병원 핵의학과 교수·손혜주 단국대병원 핵의학과 교수·박세현 한림대 의대생)은 인공지능 기술을 활용한 골스캔의 골전이 진단에 Grad-CAM을 활용한 CNN, 트랜스포머 모델(ResNet, ChatGPT, ConvNeXt)의 진단 성능을 비교한 결과를 28일 소개했다. 

연구팀은 강남성심병원 환자 4694명과 성심병원 환자 1481명 등 총 6175명 환자를 대상으로 여러 인공지능 모델의 진단성능을 비교했다. 연구에는 AI모델 중 의료영상 분야에 가장 널리 적용된 ResNet, ChatGPT, ResNet을 개선한 ConvNeXt 등이 사용됐다. 

그 결과 골스캔 기반 골전이 진단 시 ResNet은 민감도 63%, 특이도 90%였던 반면 ConvNeXt는 민감도 79%, 특이도 100%로 골전이 여부를 더욱 정확하게 진단할 수 있었다.

연구팀은 골스캔에 여러 최신 인공지능 모델을 적용한 결과를 비교해 인공지능의 진단 유용성을 확인했다고 설명했다. 특히 인공지능 성능을 병원 내부 데이터뿐 아니라 외부 데이터로도 교차 검증해 연구의 신뢰성을 높였다고 강조했다.

골스캔은 골 활성화 영역을 영상으로 보여주는 검사로, 뼈의 염증이나 손상, 암 전이 여부 등을 확인하기 위해 시행한다. 비교적 골 전이가 흔한 전립선암, 유방암 환자의 경우 주로 골스캔을 시행한다. 컴퓨터단층촬영(CT)이나 자기공명영상(MRI)에 비해 적은 비용으로 전신의 뼈를 한 번에 확인할 수 있어 환자 부담이 적기 때문이다.

최근 엑스레이나 내시경 등 다양한 의료영상을 AI로 진단하는 프로그램 개발이 활발하지만 골스캔에 대한 연구는 아직 적다. 특히 트랜스포머 모델이나ConvNeXt 등 최신 인공지능 모델이 실제 의료영상 진단에 있어서 유용한지에 대해 연구된 바는 많지 않다.

이런 성과를 인정받아 연구팀은 제63차 대한핵의학회 추계학술대회에서 ‘젊은연구자상’을 수상했으며, 생물학연구정보센터(BRIC)의 ‘한빛사(한국을 빛내는 사람들)’에도 선정됐다.   이석현 한림대 강남성심병원 영상의학과 교수팀(왼쪽부터), 김동우 한림대 성심병원 핵의학과 교수, 손혜주 단국대병원 핵의학과 교수, 박세현 한림대 의대생

이석현 교수는 “이번 연구 결과를 바탕으로 ConvNeXt와 같은 최신 인공지능 모델이 골스캔을 포함한 여러 의료영상에 널리 사용될 수 있다고 생각한다”며 “환자가 더욱 신속하고 정확하게 의료영상 진단을 받을 수 있도록 최신 인공지능 연구를 지속하겠다”고 말했다.