재활의학과 황창호 교수

인공지능(AI)의 딥러닝(Deep learning)을 기반으로 컴퓨터 단층촬영(CT) 영상을 이용해 림프부종의 빠른 악화군을 초기에 발견할 수 있는 연구 논문이 발표됐다.

특히 이번 연구는 림프부종의 피하 섬유화만을 픽셀(Pixel) 단위로 3차원 계산할 수 있는 의공학적 원천기술 개발의 근거를 제시한 것이어서 현재의 림프부종 악화를 예측하는 간접적 추정법의 한계를 넘어선 것으로 평가되고 있다.

세종충남대학교병원(원장 신현대)은 재활의학과 황창호 교수팀의 ‘딥러닝 기반 CT 영상을 이용한 림프부종의 섬유화 3차원 평가법’(Deep learning-based quantitative estimation of lymphedema-induced fibrosis using three-dimensional computed tomography images) 연구 논문이 세계적 과학 저널 네이처(Nature) 학술자매지인 사이언티픽 리포트(Scientific Reports) 최근호에 게재됐다고 9월 19일(월) 밝혔다.

황창호 교수의 이번 연구는 울산대학교 의공학과 구교인 교수팀과 공동으로 진행됐다.

림프부종은 유방암, 부인과암, 전림선암, 육종 등과 같은 암에서 1차적으로 발생할 뿐 아니라 암 수술 또는 방사선치료 이후에 2차적으로도 발생할 수 있다.

자발적으로 신체 내 염증 반응을 일으켜 이환(罹患)된 신체 부위에 딱딱한 섬유화가 진행돼 미관상 흉할 뿐 아니라 통증이나 혈전 등 삶의 질을 떨어트리는 합병증을 유발한다.

하지만 림프부종을 진단하더라도 현재로서는 진행 여부를 초기에 정확히 진단할 방법이 없다.

최근에는 초음파나 CT를 이용한 피부 속의 심부(深部) 섬유화를 평가하려는 시도가 이어지고 있지만 이런 연구 역시 섬유화 자체만을 구분해 측정할 수 없고 섬유화로 침범된 조직 전체의 면적이나 매질(媒質)의 형질만 추정할 뿐이다.

황창호 교수팀은 이번 연구에서 인공지능의 딥러닝 기술을 이용해 CT 영상을 세그넷(SegNet) 기반의 자율학습을 통해 이환된 장기 내 섬유화만을 픽셀(Pixel) 단위로 피부, 뼈, 근육, 지방 등과 구분해 3차원으로 계산할 수 있는 의공학적 원천기술 개발의 근거를 제시했다.

그동안 외관이나 촉지(觸肢), 둘레, 볼륨 측정 등의 간접적 추정법으로 림프부종 악화를 예측하는 현재의 한계를 넘어 직접적으로 섬유화만을 계산해 빠른 악화군을 초기에 발견해 집중 재활치료를 통해 악화를 방지할 수 있다.

황창호 교수는 “이번 연구는 데스크톱 컴퓨터 기반이어서 의료기관간 매우 높은 확장성을 갖고 있다”며 “향후 각종 암 질환 관련 유관학회 발표는 물론 CT가 구축된 암 진료 병원에서 해당 측정법을 사용할 수 있도록 교육을 시행할 계획”이라고 말했다.