인공지능으로 CT촬영 방사선 줄인다?

↑ KAIST 예종철 교수

국내 연구팀이 딥러닝 기술을 활용해 방사선량이 적은 저선량 CT 촬영으로도 임상에서 활용할 수 있는 고화질 의료영상을 구현할 수 있는 기술을 개발했다.
딥러닝은 기계 학습의 한 종류다. 분류를 통한 예측이 핵심으로 기계가 사람처럼 스스로 학습할 수 있도록 만들어주는 인공지능의 핵심 기술이다.
X레이 CT를 사용하면 선명한 3차원 영상을 얻을 수 있다. 문제는 여러 각도에서 반복적인 촬영이 필요하다보니 피검사자나 의료진이 다량의 방사선에 피폭되는 위험성이 있다. 병의 조기 진단이나 중재시술 중 다량의 방사선에 피폭되면 세포와 조직의 변형을 일으켜 암 등을 유발할 수 있는 것으로 알려져있다.
방사선 선량을 낮춘 저선량 촬영을 할 경우 피폭의 위험성을 줄일 수 있지만 영상 해상도가 떨어지는데다 영상왜곡 현상이 발생해 진단의 효용성이 떨어진다. 이를 해결하기 위해 영상신호처리 기술이 있었지만 저선량 CT에서 나타나는 복잡한 영상복원문제를 해결해주진 못했다.
KAIST 예종철 석좌교수 연구팀은 딥러닝 기술에 주목했다. 신호처리 기법인 ‘웨이블렛 변환’을 딥러닝에 접목시켜 새로운 알고리즘을 개발했다. 기존 복원 알고리즘은 근사적 통계모델을 사용한다. 영상의 특징과 발생되는 잡음을 통계적으로 모델링해 반복하는 방식으로 영상을 복원해준다. 연산량이 많이 시간이 오래 걸린다는 단점이 있다.
예 교수 연구팀은 딥러닝을 활용해 다수 한자로부터 얻은 정상선량 및 저선량 CT 영상을 학습시켰다. 알고리즘은 왜곡이 발생하지 않는 낮은 주파수대의 신호는 넘기고 고주파수 대역 신호만 복원하는 방식을 이용해 영상복원시간을 줄일 수 있었다.
실험결과 정상 X선 촬영 조건(10밀리시버트)를 4분의 1로 줄인 저선량 촬영조건(2.5밀리시버트)에서도 신체 내부 장기에서의 암 전이를 정확히 찾아낼 수 있는 고화질 영상복원이 가능하다는 것을 확인했다.
연구팀은 미국 국립보건원 후원, 미국 의학물리학자협회와 메이요클리닉 주관으로 열린 저선량 CT 그랜드 챌린지에서 해당 기술을 선보였으며 2위에 올랐다. 연구결과는 해당 분야 세계적인 저널인 메디컬 피직스에 게재될 예정이다.
예 교수는 “최신 인공지능 기술을 접목해 방사선 피폭량을 획기적으로 줄일 수 있는 X레이 CT 원천기술을 개발한 것”이라며 “저선량 CT의 임상적용 등에 곧 상용화를 기대할 수 있어 진단 및 중재시술에서 문제가 돼 온 환자 및 의료진의 방사선 피폭문제를 근본적으로 해결하는데 기여할 수 있을 것”이라고 연구의의를 밝혔다.
[이영욱 기자]