서울대병원 연구팀이 드물게 발생하는 대장 용종까지 감별하고, 판단의 신뢰도를 함께 제시하는 AI 기반 진단 보조 시스템을 개발했다. 기존 내시경 보조 AI가 주요 용종에만 집중하던 한계를 넘어, 의료진의 임상 판단을 한층 정밀하게 지원할 수 있을 것으로 기대된다.

서울대병원 영상의학과 이동헌 교수와 서울대 데이터사이언스대학원 김형신 교수 공동연구팀은 약 3,400건의 대장내시경 데이터를 활용해 AI 기반 진단 보조 시스템 ‘ColonOOD’를 개발했다고 17일 밝혔다. 해당 데이터는 서울아산병원, 세브란스병원, 이대서울병원 등 4개 의료기관과 2개 공개 데이터셋을 통해 수집한 것이다.

대장암은 국내 암 발생률 2위, 사망률 3위로 나타나는 주요 암종이다. 조기에 발견할 경우 예후가 크게 달라지는 만큼, 대장내시경을 통한 정밀한 용종 진단이 핵심이다. 특히 선종성 용종은 고위험군으로 분류돼 적극적인 제거가 필요하지만, 기존 시스템은 대부분 용종을 2가지 주요 유형으로만 구분할 수 있어 발생 빈도가 드물거나 새로운 용종을 검출하는 데는 한계가 있었다.

연구팀은 이 같은 한계를 극복하기 위해, 용종의 위치를 자동으로 감지하고 주요 용종을 분류한 뒤, 분류가 불확실한 경우에는 추가 모델을 통해 저위험군(과형성 용종)과 드문 유형의 용종을 다시 감별하는 구조를 설계했다. 이 시스템은 기존과 달리 AI가 내놓은 결과의 ‘신뢰도’를 High(높음) 또는 Low(낮음)으로 함께 제시한다.

성능 검증 결과, ColonOOD는 전체 용종을 최대 79.7% 정확도로 분류했으며, 드물게 나타나는 소수 유형 용종의 경우에도 최대 75.5%를 정확히 감별해 냈다. 이는 기존 AI 시스템보다 감별 범위가 확장됐음을 보여준다.

연구팀은 신뢰도 정보를 함께 제공하면, 의료진이 결과를 그대로 따르기보다 AI 판단의 ‘확신 수준’을 참고해 보다 신중하고 정확한 의사결정을 내릴 수 있다고 설명했다.

이번 연구는 인공지능 응용 분야의 국제 학술지 Expert Systems with Applications(IF 7.5) 최신 호에 게재됐다.

이동헌 교수는 “이번 연구는 기존 AI 기반 대장내시경 진단 보조 시스템에 소수 유형의 용종 감지 모듈을 통합한 최초의 연구”라며 “ColonOOD의 예측 결과를 활용하면 임상의가 신뢰수준에 따라 진단 정확도를 크게 향상할 수 있을 것으로 기대한다”고 밝혔다. 이어 “향후 전향적 연구 및 다기관 연구로 확장하여 활용 가능성을 검증할 것”이라고 덧붙였다.