인하대, 흉부영상 AI 신뢰도 높이는 기술 개발

(인천=뉴스1) 박소영 기자 = 인하대학교 연구팀이 흉부 X선을 기반으로 질환의 중증도를 더 정확하게 평가하고, 인공지능(AI)의 진단 결과에 대한 신뢰도까지 제시할 수 있는 기술을 개발했다.

인하대는 의과대학 이현규 교수 연구팀의 논문 2편이 의료영상 컴퓨팅 분야 최고 권위 국제학술대회인 MICCAI 2026 본회의에 채택됐다고 1일 밝혔다.

연구팀은 흉부 X선 영상에서 폐 질환의 중증도를 정량적으로 평가하는 AI 기술인

'DORGA(Decoupled Ordinal Refinement with Geometric Alignment)'를 개발했다.

기존 의료 AI는 폐렴 등 질환의 유무를 판별하는 데 초점이 맞춰졌지만, 실제 진료에서는 병변이 어느 부위에서 얼마나 악화됐는지, 치료 이후 얼마나 호전됐는지를 객관적으로 평가하는 것이 중요하다.

연구팀은 AI가 중증도 등급의 순서와 폐의 해부학적 구조를 동시에 제대로 학습하지 못하는 점이 정확도를 떨어뜨리는 원인이라고 보고, 두 정보를 분리해 학습한 뒤 다시 정렬하는 방식을 적용했다.

이를 통해 폐 영역의 구조 정보와 질환 중증도 정보를 각각 학습해 흉부 X선 중증도 평가의 정확성과 안정성을 높였다.

이번 연구는 이 교수가 2024년 발표한 흉부 X선 기반 폐렴 중증도 평가 연구를 발전시킨 후속 연구다.

연구는 인하대병원 호흡기내과 김정수 교수와 2021년부터 이어온 공동 연구를 기반으로 진행됐다. 김 교수는 연구 설계와 중증도 평가 기준 마련, 데이터 검증, 임상적 타당성 평가 등에 참여했다.

연구팀은 이 기술이 중환자실 폐렴 환자나 감염성 폐질환 환자처럼 흉부 영상의 시간에 따른 변화가 치료 판단에 중요한 상황에서 활용될 수 있을 것으로 기대하고 있다.

또 다른 연구에서는 의료 비전·언어 모델의 예측 결과에 대한 신뢰도를 질환별로 제시하는 기술인 'Bi-EDL(Bidirectional Evidential Deep Learning)'을 제안했다.

의료 비전·언어 모델은 영상과 의료 문서를 함께 분석할 수 있어 활용 가능성이 크지만, 임상에서는 AI가 얼마나 확신하는지를 함께 제시하는 것이 중요하다.

연구팀은 질환이 있다는 표현과 없다는 표현을 각각 영상과 비교·정렬하는 방식을 적용해 질환별 예측 불확실성을 계산하도록 했다.

이를 통해 AI의 판단 신뢰도가 높은 경우에는 자동 판독 대상으로 활용하고, 불확실성이 큰 경우에는 의료진이 추가로 확인하도록 하는 '선택적 예측' 구조를 구현했다.

흉부 X선 중증도 평가 연구 논문은 인하대 통계학과 정건 학부연구생이 제1저자, 김정수 교수가 제2저자로 참여했으며, 의료 비전·언어 모델 연구는 김태훈 석사과정생이 제1저자를 맡았다. 두 연구 모두 이현규 교수가 교신저자로 연구를 총괄했다.

이 교수는 "앞으로도 의료 AI의 임상 적용성을 높이는 연구를 이어가겠다"고 말했다.

imsoyoung@news1.kr