진단의 혁신을 가져오다, AMDS

우리 대학교 대학원과 미래융합연구원은 다양한 전공의 대학원생들이 모임과 협력을 통해 창의적인 역량을 배양할 수 있도록 ‘Junior 융합 연구그룹’을 모집해 융·복합 사고 역량 강화를 위한 도전적인 연구에의 관심을 지원하고 있다. 본 프로그램을 통해 다양한 전공의 학생들이 함께 연구함으로써 융합연구 문화의 기반을 조성할 수 있을 것으로 기대된다.

<연세소식>에서는 지원 대상자로 선발된 대학원생 연구팀을 만나 학생들의 연구 아이디어를 직접 들어보는 시간을 마련했다. 이번 호에서는 AMDS팀의 장영걸(의과학과 석박통합과정), 김세근(생체공학협동과정 석박통합과정), 허란(의학과 졸) 학생을 만나 연구 이야기를 들어봤다.

Q. 팀 소개 부탁드립니다.

A. 저희는 공학과 의학 융합 연구를 진행하는 AMDS(Artificial Multi-modal Diagnosis System) 팀입니다. 질환을 진단하는 데에 있어서 보조적인 도구를 만드는 것이 저희의 주 연구입니다. 

Q. 이 팀에서 연구하는 질환 진단 도구는 무엇인가요? 

A. 명확한 질환 명을 도출해내는 것이 아니라, 부상자 분류를 할 수 있는 도구에요. 의심질환을 특정해볼 수 있는 일종의 ‘게이트 키퍼’인 셈이죠. 가령, 심장질환을 진단할 때는 심전도, 흉부X선, 청진 등의 모달리티를 인공지능을 통해 해석해요. 그러면 이 환자가 심장질환이 있는지 없는지를 구별할 수 있게 되는 거죠. 목표로 잡고 있는 정확도는 대략 90% 수준입니다. 그리고 각각 하나의 모달리티를 통해서 환자를 진단하는 연구는 많았지만, 저희처럼 여러 개를 종합해 진단을 내리는 연구는 없어서 특허도 받은 상태이기도 해요. 

Q. 이 주제는 어떻게 생각하게 되셨나요?

A. 의료 현장 속 문제에서 연구 주제를 찾았어요. 지금은 기초 진단 도구들로는 확진이 불가능해서, MRI나 CT 같은 고가의 영상검사에 의존하고 있어요. 게다가 한 명의 교수가 하루에 100명 가량의 사람을 만나야 하는 바쁜 상황 속에서는 더더욱 정밀한 진단이 어렵고요. 그래서 이 문제를 고쳐보면 좋겠다는 생각이 들었어요. 인공지능을 통해서 심전도 등의 모달리티들을 종합적으로 해석할 수 있는 모델을 만들면 되겠다는 방법도 구상했고요. 이 종합적 모달리티를 정확하게 해석할 경우 의료비를 60% 가량 줄일 수 있다는 장점도 있습니다. 진료 시간도 효율적으로 사용할 수 있게 되고요. 

Q. 인공지능을 활용하게 된 이유는 무엇인가요? 

A. 다양한 모달리티를 종합적으로 해석할 수 있거든요. 그리고 사람이 보는 기준과 다르게 자료를 분석하기 때문에, 사람과 상호보완적으로 사용할 수 있다는 장점도 있죠. 

특히, 한국이기에 가능했어요. 인공지능 학습에는 데이터가 필수적이잖아요. 그런데, 한국에는 1990년대 EMR이라는 시스템을 도입하면서 병원에 방대한 질병 데이터가 쌓이게 됐거든요. 다른 나라를 가도 미국 같은 나라가 아닌 이상, 데이터가 체계적으로 쌓여있는 곳이 없거든요.

Q. 이 연구 주제는 다른 분야로 확장할 수 있을까요? 

A. 네. 지금은 심장질환을 중점적으로 연구했지만, 다양한 분야에 적용할 수 있어요. 특히, 폐질환의 경우는 청음이나 흉부X선을 이용하고 있으니 이용할 수 있을 것 같아요. 

Q. 팀은 어떻게 꾸리게 됐나요?

장 : 저와 세근씨는 같은 연구실 소속이었어요. 허란 선생님은 지도교수님의 펠로우로 계셨고요. 그러다 보니 함께 공유하는 시간이 많아졌고, 친분도 쌓였어요. 그러다가 허란 선생님 연구를 소프트웨어 개발로 도움을 드릴 일이 있었는데, 그 때 이 연구에 대한 연결고리가 생겼죠. 

Q. 아이콘스는 어떻게 지원을 하게 되셨나요? 

A. 같은 연구실에서 이전 아이콘스 지원자가 있었거든요. 그걸 보면서 우리도 이걸 하면 좋겠다는 생각이 들었어요. 단순한 연구를 넘어 연구실 홍보도 돼서, 새로운 연구원 모집에 도움도 될 수 있을 것 같았어요.

Q. 연구를 하면서 힘들었던 순간이 있었나요?

A. 데이터가 중요한 연구라 데이터 때문에 힘들었어요. 아무리 EMR 시스템이 잘 되어있다고 하더라도, 그곳에는 최종 진단명이 들어있지 않았거든요. 다시 말해서, 환자의 상태는 알 수 있어도 진단명을 모르니까 판독기록문을 보면서 진단을 다시 해야 하는 거에요. 그리고 개인정보이기 때문에 수집도 까다로웠어요. 허가를 받고, 환자분들께 양해도 구해야하니까요.

그러다가 돌파구를 마련했는데, 이게 또 새로운 연구로 이어지기도 했어요. 판독기록문을 보고 자동으로 진단할 수 있는 시스템을 만들었습니다. 문헌에 따르면 100%까지는 아니어도, 깨끗한 데이터가 많으면 인공지능 학습에 문제가 없거든요. 그래서 90% 이상 정확한 판단을 해내는 시스템을 만들어낼 수 있었죠. 

Q. 연구의 목표가 있다면 무엇인가요? 

A. 우선은 정확도 높이는 것이 목표에요. 그리고 실제 의료 현장에서 쓸 수 있게끔 만들려 합니다. 더 나아가서는 한국형 왓슨(IBM사의 AI)이 될 수 있었으면 좋겠어요. 특히, 저희는 다양한 생체, 음성, 영상 신호 등을 결합하는 것이니까 왓슨보다도 더 넓은 범위에 적용될 수 있으리라 생각해요.