한국기술교육대학교 변해원 교수

국내 연구진이 여성 근로자들의 보건 안전을 위협하는 주요 질환 중 하나인 유방암을 인공지능(AI)과 초음파 영상을 활용해 한층 더 정밀하게 조기 진단할 수 있는 혁신적인 딥러닝 아키텍처를 개발해 학계의 주목을 받고 있다.

한국기술교육대학교(KOREATECH·총장 유길상) 미래융합학부 및 (겸직)고용서비스정책학과 변해원 교수는 초음파 이미지의 미세한 질감과 전체적인 형태를 동시에 분석해 유방암 진단의 정확도를 획기적으로 높인 차세대 인공지능 모델 ‘CrossViT(크로스 어텐션 다중스케일 비전 트랜스포머)’ 기술을 발표했다고 밝혔다.

이번 연구 성과는 독일에서 발간하는 SCIE급 글로벌 의학 분야 학술지인 ‘Medicine’(2026년 6월 26일 자 발행)에 게재되며 기술적 우수성을 인정받았다.

유방암은 전 세계 여성 근로자에게 가장 흔하게 발생하는 암 중 하나로, 조기에 발견할 경우 치료 예후가 매우 좋으나 기존의 초음파 영상 진단은 이미지 자체의 복잡성과 판독관의 주관성에 따라 오진의 위험이 상시 존재해 왔다. 특히 기존의 합성곱신경망(CNN) 기반 모델들은 이미지의 국소적인 공간 정보는 잘 포착하지만, 영상 전체를 아우르는 장기적인 문맥의 관계를 파악하는 데는 한계가 있었다.

변 교수는 이러한 한계를 극복하기 위해 서로 다른 크기의 이미지 패치를 독립적으로 처리하는 ‘듀얼 브랜치(Dual-branch) 구조’를 인공지능에 적용했다. 큰 패치를 처리하는 브랜치로는 종양의 전체적인 윤곽과 구조적 특징(coarse-grained)을 파악하고, 작은 패치를 처리하는 브랜치로는 종양 내부의 미세한 질감 및 경계면 특징(fine-grained)을 동시에 추출하도록 한 것이다.

여기에 탭넷(TabNet) 등 정형 데이터 분석에 쓰이던 메커니즘을 발전시켜, 서로 다른 스케일의 특징들을 유기적으로 결합하는 ‘크로스 어텐션(Cross-attention)’ 모듈을 내재화했다. 이를 통해 연산 부담은 최소화하면서도 유방암 초음파 영상 속 복잡한 패턴을 정밀하게 구별해 내는 독창적인 AI 아키텍처를 완성했다.

연구팀이 대규모 초음파 이미지 데이터셋을 구축해 실증 분석을 진행한 결과, 변 교수가 개발한 CrossViT 모델은 93.5%의 높은 정확도(Accuracy)와 94.2%의 민감도(Recall), 그리고 0.96에 달하는 우수한 AUC(전반적 판독 역량) 지표를 기록했다. 이는 의료 영상 분석의 표준으로 널리 쓰이던 기존의 ResNet 계열(ResNet-18, 34, 50) 모델들을 일제히 상회하는 수치다. 종양의 형태학적 맥락과 미세 텍스처를 AI가 유기적으로 융합해 진단 에러(위양성 및 위음성)를 획기적으로 줄일 수 있음을 입증한 결과다.

한편, 이번 연구를 주도한 변해원 교수는 스탠포드 대학교와 엘스비어(Elsevier)가 선정한 2025년 ‘세계 상위 2% 과학자’(실제 순위 기준 전 세계 최상위 0.32%)에 이름을 올린 글로벌 석학이다.

변 교수는 지난 2010년부터 현재까지 590편에 달하는 방대한 융합 연구 논문을 출판하고 130건의 특허를 출원·등록하는 등 직업환경 디지털헬스 및 빅데이터 기반 질병 모델링 분야에서 독보적인 학술 성과를 이어가고 있다.

변해원 교수는 “이번 연구는 한국기술교육대학교가 추구하는 근로자의 안전 보건 및 복지 증진이라는 사회적 가치와 직결되는 성과”라며, “직업환경 디지털 헬스연구실에서 개발한 이 차세대 딥러닝 아키텍처를 향후 설명 가능한 AI(XAI) 기술과 결합하고 다기관 임상 검증을 거쳐, 실제 의료 현장과 직업 보건 시스템에서 여성 근로자들의 유방암을 조기에 차단하는 실효성 있는 AI 진단 보조 솔루션으로 발전시키겠다”고 포부를 밝혔다.