한림대학교강남성심병원 영상의학과 이석현 교수 연구팀(한림대학교성심병원 핵의학과 김동우 교수·단국대학교병원 핵의학과 손혜주 교수·한림대 의과대학 박세현 학생 (사진 왼쪽부터)은 인공지능(AI) 기술을 활용한 골스캔에서 골전이 진단에 Grad-CAM을 활용한 CNN과 트랜스포머 모델의 진단 성능 비교 연구성과를 인정받아 생물학연구정보센터(BRIC)의 ‘한빛사(한국을 빛내는 사람들)’에 선정됐다.

골스캔은 골 활성화 영역을 영상으로 보여주는 검사로, 뼈의 염증이나 손상, 암 전이 여부 등을 확인하기 위해 시행한다. 특히 비교적 골전이가 흔한 전립선암, 유방암 환자의 경우 주로 골스캔을 시행한다. CT나 MRI에 비해 적은 비용으로 전신의 뼈를 한 번에 확인할 수 있어 환자 부담이 적기 때문이다.

최근 엑스레이나 내시경 등 다양한 의료영상에서 인공지능(AI) 모델 연구가 활발히 진행되고 있지만 골스캔에 대한 인공지능 연구는 아직 적다. 특히 트랜스포머 모델이나 ConvNeXt 등 성능이 크게 향상된 최신 인공지능 모델이 실제 의료영상 진단에 있어서 유용한지에 대해 연구된 바는 많지 않다.

연구팀은 한림대강남성심병원 환자 4,694명과 한림대성심병원 환자 1,481명 등 총 6,175명 환자를 대상으로 여러 인공지능 모델의 진단성능을 비교했다. 연구에는 AI모델 중 의료영상 분야에 가장 널리 적용된 ResNet, ChatGPT에 활용된 트랜스포머 모델, ResNet을 개선한 ConvNeXt 등이 사용됐다. 그 결과 골스캔에서 골전이 진단 시 ResNet은 민감도 63%, 특이도 90%였던 반면 ConvNeXt는 민감도 79%, 특이도 100%로 골전이 여부를 더욱 정확하게 진단할 수 있었다.

이에 이석현 교수 연구팀은 골스캔에 여러 최신 인공지능 모델을 적용한 결과를 비교해 인공지능 모델이 진단에 유용하게 사용될 수 있다는 가능성을 제시했다. 특히 이번 연구는 골스캔에서의 인공지능 모델 성능을 병원 내부 데이터뿐 아니라 외부 데이터로도 교차 검증했다는 점에서 주목 연구의 신뢰성을 한층 높였다. 이러한 성과를 인정받아 연구팀은 제63차 대한핵의학회 추계학술대회에서 ‘젊은연구자상’을 수상했으며, BRIC ‘한빛사’에도 선정됐다.

이석현 교수는 "연구 결과를 바탕으로 ConvNeXt와 같은 최신 인공지능 모델이 골스캔을 포함한 여러 의료영상에 널리 사용될 수 있다고 생각한다"며 "앞으로도 환자가 더욱 신속하고 정확하게 의료영상 진단을 받을 수 있도록 최신 기술 적용에 대한 다양한 인공지능 연구를 꾸준히 이어가겠다"고 말했다.

한빛사는 생물학연구정보센터(BRIC)가 세계적으로 권위 있는 생명과학 관련 학술지에 논문을 발표한 한국인 연구자와 그 연구성과를 선정하여 소개하는 제도다. Journal Citation Reports(JCR)의 영향력 지수(JIF 혹은 5-Yr JIF) 10 이상이거나 각 분야 상위 3% 이내에 속하는 학술지에 게재된 논문을 대상으로 하며, 생명과학 및 의학 분야 연구자들이 국제적인 연구성과를 인정받는 의미를 갖는다.