전체메뉴 ALL MENU

단국대·한림대 의대 공동연구팀, BRIC ‘한빛사’ 선정

손혜주 교수(단국대), 이석현 교수·박세현 학생·김동우 교수(한림대)

인공지능 기반 ConvNeXt 모델 활용, 골전이 진단 정확도 획기적 개선

 단국대학교와 한림대학교 의과대학 공동연구팀이 인공지능(AI) 기술을 활용한 골스캔 진단 연구 성과를 인정받아 생물학연구정보센터(BRIC)의 ‘한빛사(한국을 빛내는 사람들)’에 선정됐다고 28일 밝혔다.

 한빛사는 생물학연구정보센터(BRIC)가 세계적으로 권위 있는 생명과학 관련 학술지에 논문을 발표한 한국인 연구자와 그 연구 성과를 선정하여 소개하는 제도로, Journal Citation Reports(JCR)의 영향력 지수(JIF 혹은 5-Yr JIF)가 10 이상이거나 각 분야 상위 3% 이내에 속하는 학술지에 게재된 논문을 대상으로 한다. 특히 생명과학 및 의학 분야 연구자들에게는 국제적인 연구 성과를 인정받는 것에 의미가 있다.

  이번 연구는 한림대학교 이석현 교수(교신저자, 한림대학교 강남성심병원 영상의학과)를 중심으로 박세현 학생(공동 제1저자, 한림대학교 의과대학 의학과), 김동우 교수(공동 제1저자, 한림대학교 성심병원 핵의학과), 그리고 단국대학교 손혜주 교수(공동 제1저자, 단국대병원 핵의학과)가 공동으로 진행했다. 연구 결과는 세계적 권위를 인정받고 있는 핵의학 분야의 최상위 저널 ‘Clinical Nuclear Medicine’(2023년 JIF 10.0, 영상의학 분야 상위 1.9%)에 게재되며 국제적으로 큰 주목을 받았다.

  연구팀은 이번 연구에서 골스캔을 이용해 암의 골전이 여부를 진단할 때, 최신 인공지능 모델의 성능을 비교 분석했다. 골스캔은 전립선암, 유방암 등 뼈로의 전이가 자주 발생하는 암 환자들에게 필수적인 검사로, CT나 MRI에 비해 비용이 낮고 신속하게 전신의 뼈 상태를 평가할 수 있다는 장점이 있지만, 최신 인공지능 기술을 접목한 연구는 아직 부족한 상태였다. 이에 연구팀은 총 6,175명의 환자 데이터를 바탕으로 의료 영상 분석에 널리 쓰이던 합성곱신경망 모델인 ResNet, ChatGPT에 활용된 트랜스포머 모델, 그리고 합성곱신경망의 가장 발전된 모델인 ConvNeXt의 성능을 평가했다.

 연구 결과 최신 모델인 ConvNeXt가 민감도 79%, 특이도 100%를 기록하여 기존 모델인 ResNet(민감도 63%, 특이도 90%)보다 월등히 높은 진단 성능을 보였다.

  특히 이번 연구는 단일 기관의 내부 데이터뿐 아니라 외부 기관의 데이터까지 활용하여 교차 검증을 수행함으로써 연구의 신뢰성을 한층 높였다. 이러한 성과를 인정받아 연구팀은 제63차 대한핵의학회 추계학술대회에서 ‘젊은연구자상’을 수상했으며, 최종적으로 BRIC의 ‘한빛사’에도 이름을 올렸다.

  한림대 의대 이석현 교수는 “이번 연구는 ConvNeXt와 같은 최신 인공지능 기술이 실제 의료현장에서 환자들에게 더욱 정확하고 빠른 진단을 제공할 가능성을 입증한 사례”라고 설명하며, “지속적인 연구를 통해 환자들이 더욱 높은 수준의 의료서비스를 받을 수 있도록 노력하겠다”고 밝혔다.