폐 질환 중증도 정량화·불확실성 질환별 제시
MICCAI 2026 논문 4601편 중 상위 9% 선정
인하대학교는 흉부 X선 기반 의료 인공지능(AI)의 임상 신뢰도를 높이는 기술 2건을 개발했다.
인하대는 이현규 의과대학 교수 연구팀이 흉부 X선 영상에서 폐 질환 중증도를 정량 평가하는 기술과 의료 비전·언어 모델의 예측 불확실성을 질환별로 제시하는 기술을 각각 제안했다고 1일 밝혔다.
첫 번째 기술은 흉부 X선에서 폐의 여러 영역별 중증도를 평가하는 기하학적 정렬 기반 순서형 중증도 보정(DORGA)이다.
DORGA는 폐 영역의 구조 정보와 질환 중증도 정보를 분리해 학습하고, 중증도 등급의 순서 관계를 AI 표현 공간에 반영하는 방식으로 평가 정확성과 안정성을 높인다. 임상 현장에서는 폐 질환 유무뿐 아니라 병변 위치, 악화 정도, 치료 후 호전 여부를 일관되게 평가하는 과정이 필요하다.
이번 연구는 이 교수팀이 'MICCAI 2024'에서 발표한 흉부 X선 기반 폐렴 중증도 평가 연구의 후속 연구다. 기존 연구가 폐 영역 위치 정보를 활용했다면, 이번 연구는 중증도 등급의 순서 구조와 폐 영역의 해부학적 정보를 표현 학습 단계에서 분리·정렬하는 방식으로 확장했다.
DORGA 연구는 인하대병원 호흡기내과 김정수 교수와 2021년부터 이어온 임상 공동연구를 바탕으로 진행됐다. 김 교수는 연구 설계, 중증도 평가 기준 설정, 데이터 레이블 검토, 임상적 타당성 검증 과정에 참여했다.
두 번째 기술은 의료 비전·언어 모델의 질환별 예측 신뢰도를 계산하는 양방향 증거기반 딥러닝(Bi-EDL)이다. Bi-EDL은 질환이 있다는 표현과 없다는 표현을 영상 정보와 비교·정렬해 예측의 불확실성을 추정한다. AI의 확신도가 높은 예측은 자동 판단 대상으로, 불확실성이 큰 결과는 의료진 검토 대상으로 구분하는 선택적 예측 구조다.
흉부 X선 중증도 평가 연구는 정건 인하대 통계학과 학부연구생이 제1저자, 김정수 인하대병원 교수가 제2저자로 참여했다. 논문은 MICCAI 2026에 제출된 4601편 가운데 상위 9%에 해당하는 얼리 액셉트 논문으로 선정됐다
의료 비전·언어 모델의 질환별 불확실성 추정 연구는 김태훈 인하대 석사과정 학생이 제1저자로 참여했다. 두 논문은 모두 이현규 의과대학 교수가 교신저자로 연구를 총괄했다.
이 교수는 “의료 AI가 임상 현장에서 활용되려면 예측 정확도뿐 아니라 판단 근거와 불확실성을 함께 제시해야 한다”며 “이번 연구가 흉부 X선 기반 AI의 신뢰도를 높이고 의료진의 진료 판단을 보조하는 데 기여하길 기대한다”고 말했다.
인천=김동성 기자 estar@etnews.com
