AI를 통한 생명과학 혁신 발전: 이집트의 영국 대학이 의료 진단 분야를 개척한 방법

인공지능과 임상 의학의 융합은 진단 및 치료 계획 수립 방식을 혁신적으로 변화시키고 있습니다. 지난 수십 년간 컴퓨터 시뮬레이션이 물리적 프로토타입 제작을 줄이고 혁신을 가속화하는 가상 테스트를 가능하게 함으로써 엔지니어링 분야를 혁신했던 것처럼, 이제 의료 분야에서도 AI 기반 진단 도구가 널리 활용되고 있습니다. 생명과학 분야에서 가장 중요한 차이점은 환자의 건강과 안전이 걸려 있는 만큼 정확성과 추적성이 필수적이라는 점입니다. 최근의 발전으로 규제 기관들은 검증된 컴퓨터 기반 진단 방법을 기존 진단 방식의 신뢰할 만한 대안 또는 보완책으로 점점 더 인정하고 있습니다. 특히 이러한 가상 진단 방법이 인간 전문가의 능력에 필적하거나 그 이상의 정확도를 보여줄 때 더욱 그렇습니다.

임상 인공지능(AI)은 의료 영상 분야에서 점차 활용도가 높아지고 있으며, 신경망은 과거에는 수년간의 전문 교육과 시간 소모적인 수동 검토가 필요했던 패턴 인식 분야에서 놀라운 성능을 보여주고 있습니다. 그러나 여전히 중요한 과제가 남아 있습니다. 이러한 AI 모델 개발에는 상당한 컴퓨팅 자원, 방대한 데이터 세트, 그리고 전문적인 기술 지식이 요구되기 때문에, 개별 임상의나 학술 연구 기관이 이러한 혁신을 실현하기에는 역부족인 경우가 많습니다.

연구원 이집트의 영국 대학 (BUE)는 최근 Rescale의 클라우드 플랫폼을 활용하여 치아 치근단 병변(치아 뿌리 끝의 감염으로, 발견되지 않을 경우 심각한 합병증으로 이어질 수 있음)을 탐지하고 분류하는 자동화 시스템을 개발함으로써 이 문제에 정면으로 대응했습니다. 그들의 연구는 다음과 같습니다. 에 게시 자연 과학 보고서이는 탄력적인 클라우드 컴퓨팅이 어떻게 고급 AI 방법을 민주화하여 과학 및 공학 연구자들이 최첨단 기술을 의료 현장에 직접 제공하는 임상 수준의 진단 도구를 개발할 수 있도록 하는지를 보여줍니다.

수동 평가에서 자동화된 정밀 평가로

수십 년 동안 치과의사들은 치과 방사선 사진에서 치근 주변 조직의 건강 상태를 평가하기 위해 표준화된 5점 척도인 치근단 지수(PAI)에 의존해 왔습니다. PAI는 효과적인 방법이지만, 그 해석은 시술자의 전문성에 크게 좌우되며, 사용되는 도구의 미묘한 차이와 환자 개개인의 고유한 해부학적 구조로 인해 어려움을 겪을 수 있습니다. 

아흐메드 토르키 박사이번 프로젝트에 전산 전문 지식을 제공한 BUE의 연구원은 "Rescale 플랫폼을 활용하여 임상 X선 사진을 효율적이고 정확하게 분류하는 AI 모델을 개발했습니다. Rescale 덕분에 연구 과정이 훨씬 간소화되어 새로운 임상 결과를 더 빨리 도출할 수 있었습니다."라고 말했습니다.

BUE 팀은 저명한 임상 전문가들을 한데 모았습니다. 셰하벨딘 세이버 아부 엘 나스르 지음악안면 방사선과 전문의 노라 사이프이 연구에는 컴퓨터 비전 전문가인 아흐메드 토르키(Ahmed Torky)를 비롯한 엔지니어들이 참여했습니다. 이 다단계 분류 문제는 상당한 기술적 난제를 제시합니다. 초기 병변은 건강한 뼈와 대비가 미미하고, 인접한 해부학적 구조물이 병변을 가릴 수 있으며, 모델은 다양한 영상 장비와 환자 집단에 걸쳐 일반화되어야 합니다.

컴퓨팅 집약도와 클라우드 확장성의 만남

연구팀은 한 번만 봐 YOLO는 정밀한 객체 탐지에 사용되는 일반적인 이미지 분석 방법입니다. 연구진은 특히 YOLOv8, YOLOv11, YOLOv12 방법을 비교하여 신경망을 한 번만 순방향으로 통과시키면서 여러 관심 영역을 동시에 탐지하고 분류하는 고유한 능력을 평가했습니다. 이러한 효율성 덕분에 YOLO는 신속한 진단이 필수적인 임상 환경에 특히 적합합니다.

하지만 이러한 모델을 훈련시키려면 막대한 컴퓨팅 자원이 필요했습니다. 연구팀은 다양한 임상 자료에서 699개의 디지털 치근단 방사선 사진을 수집하여 영상 촬영 방식, 환자 인구 통계, 질병 양상 등 다양한 데이터셋을 확보했습니다. 전문가의 주석 및 전처리 과정을 거친 후, 데이터 증강 기법을 통해 훈련 데이터셋을 10배 확장하여 4,635개의 이미지를 확보했습니다(이는 과적합을 방지하고 모델의 견고한 성능을 보장하는 데 매우 중요한 단계입니다).

다양한 아키텍처 변형과 수백 번의 학습 에포크를 거쳐 이처럼 방대한 데이터셋으로 딥러닝 모델을 학습시키는 것은 기존의 학술 컴퓨팅 인프라에서는 엄청나게 시간이 많이 소요되는 일이었습니다. 바로 이 지점에서 Rescale의 플랫폼이 혁신적인 역할을 했습니다. 연구팀은 NVIDIA A10 GPU와 AMD EPYC 프로세서를 활용하여 이를 구현했습니다. Rescale의 클라우드 인프라 네트워크이를 통해 모델 검증 및 포괄적인 하이퍼파라미터 최적화를 위해 수백 개의 시뮬레이션을 병렬로 실행할 수 있습니다.

임상 진료를 위한 고급 방법의 민주화

컴퓨팅 측면에서의 이점은 단순한 처리 능력에만 그치지 않았습니다. 리스케일의 디지털 엔지니어링 플랫폼 덕분에 연구팀은 고정된 로컬 하드웨어의 제약 없이 다양한 모델 구성을 신속하게 반복하며 아키텍처 변형과 학습 매개변수를 테스트할 수 있었습니다. 이러한 유연성은 탐색적 실험을 통해 어떤 접근 방식이 심층적인 연구를 필요로 하는지 결정하는 데 중요한 역할을 하는 학술 연구에 필수적이었습니다.

이번 연구 결과는 컴퓨팅 인프라 투자에 대한 타당성을 입증했습니다. 세 가지 YOLO 변형 모델 모두 86% 이상의 정확도를 달성했으며, YOLOv11m이 F1 점수 87.1%로 전반적으로 가장 우수한 성능을 보였습니다(F1 점수는 모든 감염을 찾아내면서 오경보를 최소화하는 균형을 이룬 점수입니다). 무엇보다 중요한 것은, 이 모델들이 신속한 임상적 개입이 시급한 진행성 병변을 탐지하는 데 탁월한 성능을 보였을 뿐만 아니라, 사람이 흔히 놓치는 초기 단계 병변을 탐지하는 데에도 가능성을 보여주었다는 점입니다.

전반적으로 BUE 연구팀은 YOLOv11m 모델이 발견하기 가장 어려운 초기 단계 감염을 포착하는 데 특히 효과적이라는 것을 확인했으며, 완전히 다른 치과 병원의 이미지를 사용한 테스트를 통해 이 모델이 다양한 진료 환경에서 안정적으로 작동함을 확인했습니다.

연구 혁신에서 임상적 영향까지

무엇보다 중요한 것은 이 연구가 클라우드 기반 고성능 컴퓨팅(HPC)을 통해 기술적 전문 지식이 부족한 의료진도 첨단 진단 AI를 활용할 수 있도록 지원한다는 점을 보여준다는 것입니다. 학습된 모델은 방사선 사진을 밀리초 단위로 처리하여 임상 의사의 판단을 보완하는 일관되고 객관적인 평가 결과를 제공합니다. 의료 서비스가 부족한 지역의 치과 의사나 복잡한 증례에 대해 두 번째 의견을 구하는 의사에게 이러한 도구는 진단 정확도와 환자 예후를 크게 향상시킬 수 있습니다.

연구 방법론 자체는 다른 학술 기관 및 임상 연구자들에게 청사진을 제공합니다. "다양한 출처의 데이터, 전문가 검증 및 표준화된 테스트 방법을 결합함으로써 연구팀은 다른 기관들이 임상 AI 진단 도구를 개발할 때 따라할 수 있는 재현 가능한 방법론을 확립했습니다. 최근 발표된 DentalCOMS 프레임워크에 맞춰 표준화된 지표를 사용함으로써 재현성을 보장하고 향후 연구와의 비교를 용이하게 합니다."

어린이 치아 및 기타 임상 응용 분야를 포함하도록 데이터 세트를 확장하는 것을 비롯한 향후 개선 및 새로운 응용 프로그램은 이번 초기 혁신을 가능하게 했던 것과 동일한 확장 가능한 클라우드 인프라를 활용할 것입니다.

공학과 의학 발전의 격차 해소

이집트 영국대학교의 연구는 계산공학, 인공지능, 임상 의학의 융합이 점점 더 가속화되고 있음을 보여주는 대표적인 사례입니다. 자율주행차와 산업 자동화를 위해 개발된 객체 탐지 ​​알고리즘을 의료 영상 문제에 적용함으로써, 연구팀은 즉각적인 실용화가 가능한 도구를 개발했습니다. 이러한 성공은 시뮬레이션 및 인공지능 기술이 발전함에 따라 전통적인 학문 분야 간의 경계가 허물어지고, 학제 간 협력이 가능해져 혁신이 가속화되는 더 넓은 추세를 보여줍니다.

생명과학 및 의료 분야의 연구 개발 책임자들에게 이 연구는 귀중한 교훈을 제공합니다. 첫째, Rescale과 같은 클라우드 기반 플랫폼은 연산 집약적인 AI 연구의 진입 장벽을 낮춰 학술 기관과 소규모 연구 그룹에서도 최첨단 방법을 활용할 수 있도록 합니다. 둘째, 공학 분야에서 개발된 엄격한 검증 방법론은 임상 응용 분야에 효과적으로 적용되어 의료진과 규제 기관의 신뢰를 구축합니다. 셋째, 이러한 도구의 대중화(비전문가도 고급 진단 도구를 사용할 수 있도록 함)는 특히 전문 인력 접근성이 제한적인 지역에서 의료 서비스 제공 방식을 혁신할 잠재력을 가지고 있습니다.

컴퓨팅 기술이 연구실에서 임상 현장으로 점차 확산됨에 따라 확장 가능하고 비용 효율적이며 접근성이 뛰어난 컴퓨팅 인프라에 대한 필요성이 더욱 커지고 있습니다. 이집트 영국대학교의 선구적인 연구는 적절한 컴퓨팅 자원만 있다면 학술 연구자들이 상용 솔루션에 필적하는 인공지능 기반 진단 도구를 개발할 수 있으며, 궁극적으로 현대 의료의 가능성을 한 단계 끌어올릴 수 있음을 보여줍니다.

Rescale의 생명과학 솔루션에 대해 자세히 알아보세요.

어떻게 발견 하는가? 리스케일의 생명과학 솔루션 생명과학 연구 프로젝트를 가속화하고 새로운 임상 AI 방법을 가능하게 합니다. BUE의 전체 연구 논문을 읽으려면 다음 웹사이트를 방문하세요. 네이처 사이언티픽 리포트 기사차세대 연구 혁신을 위해 노력하는 과학자, 조직 내에 첨단 시뮬레이션을 도입하려는 의료 전문가, 또는 연구 개발 프로젝트 리더 등 누구든 저희는 여러분의 이야기를 듣고 싶습니다. 당사에 문의해 주세요. 새로운 의학적 발견과 환자 치료 결과 개선에 걸리는 시간을 단축하는 데 저희가 어떻게 도움을 드릴 수 있는지 알아보세요!