MICCAI 2026 본회의 논문 2편 채택…
▲흉부 X선 중증도 평가 AI 모델 DORGA의 폐 영역별 중증도 정렬 및 보정 과정
이현규 의과대학 교수 연구팀이 흉부 X선 기반 의료 AI의 임상 신뢰도를 높이는 기술을 개발했다.
연구팀은 흉부 X선 영상에서 폐 질환의 중증도를 정량적으로 평가하는 기술과 의료 비전·언어 모델의 예측 불확실성을 질환별로 제시하는 기술을 각각 제안했다.
이번 연구는 의료 AI가 단순히 병변 유무를 판단하는 수준을 넘어, 실제 진료 현장에서 의료진의 판단을 보조할 수 있는 구조를 갖추는 데 초점을 맞췄다.
첫 번째 연구는 흉부 X선에서 폐 여러 영역의 중증도를 평가하는 문제를 다뤘다. 실제 임상에서는 질환 유무뿐 아니라 어느 부위가 얼마나 악화됐는지, 치료 후 상태가 호전되는지 등을 일관되게 평가하는 것이 중요하다.
연구팀은 중증도 평가가 어려운 이유를 단순한 데이터 부족이 아니라, AI가 중증도 등급의 순서 구조와 폐 영역의 해부학적 정보를 안정적으로 분리·반영하지 못하는 데서 찾았다.
이에 따라 중증도 등급의 순서 관계를 AI 표현 공간에 반영하는 DORGA(Decoupled Ordinal Refinement with Geometric Alignment·기하학적 정렬 기반 순서형 중증도 보정) 기술을 개발했다.
DORGA는 폐 영역의 구조 정보와 질환 중증도 정보를 분리해 학습함으로써 흉부 X선 중증도 평가의 정확성과 안정성을 높이는 기술이다.
이번 연구는 이현규 교수팀이 MICCAI 2024에서 발표한 흉부 X선 기반 폐렴 중증도 평가 연구의 후속 연구다. 기존 연구가 폐 영역 위치 정보를 활용해 다영역 중증도 평가의 가능성을 보였다면, 이번 연구는 중증도 등급의 순서 구조와 폐 영역의 해부학적 정보를 표현 학습 단계에서 분리·정렬하는 방식으로 문제를 확장했다. 이를 통해 흉부 X선 중증도 평가의 정확성과 안정성, 임상 적용 가능성을 높이는 데 초점을 맞췄다.
DORGA 연구는 인하대병원 호흡기내과 김정수 교수(입원의학과장·진료전략실장)와 2021년부터 이어온 긴밀한 임상 공동연구를 바탕으로 진행됐다. 김 교수는 연구 설계부터 흉부 X선 중증도 평가 기준 설정, 데이터 레이블 검토, 결과의 임상적 타당성 검증까지 전 과정에 참여했다.
이 기술은 중환자실의 폐렴, 감염성 폐질환 환자처럼 흉부영상의 시간적 변화가 치료 판단에 중요한 경우 활용 가능성이 있다.
두 번째 연구는 의료 비전·언어 모델의 신뢰성 문제를 다뤘다.
의료 비전·언어 모델은 영상과 문장을 함께 해석할 수 있어 흉부 X선 판독에 활용 가능성이 크지만, 임상 적용을 위해서는 예측 결과뿐 아니라 그 예측을 얼마나 신뢰할 수 있는지도 함께 제시해야 한다.
연구팀은 의료 비전·언어 모델이 각 질환별 예측 신뢰도를 따로 계산할 수 있도록 Bi-EDL(Bidirectional Evidential Deep Learning· 양방향 증거기반 딥러닝) 기술을 제안했다. 이 기술은 질환이 있다는 표현과 없다는 표현을 영상 정보와 비교·정렬하고, 이를 바탕으로 예측의 불확실성을 추정한다.
이를 통해 AI이 확신할 수 있는 예측은 자동 판단 대상으로 분류하고, 불확실성이 높은 경우에는 의료진 검토가 필요하다고 판단하는 선택적 예측 구조를 구현했다.
흉부 X선 중증도 평가 연구인 ‘Decoupled Ordinal Refinement with Geometric Alignment for Chest X-ray Severity Scoring’은 정건 통계학과 학부연구생이 제1저자, 김정수 교수가 제2저자로 참여했다.
해당 논문은 의료영상 컴퓨팅 분야 최고 권위 국제학술대회인 MICCAI 2026에 제출된 전 세계 4천601편의 논문 중 상위 9%에 해당하는 early accept 논문으로 선정됐다.
의료 비전·언어 모델의 질환별 불확실성 추정 연구인 ‘When Does Uncertainty Become Meaningful in Medical Vision–Language Models? Alignment Enables Disease-wise Uncertainty and Risk-Aware Prediction’은 김태훈 석사과정 학생이 제1저자로 참여했다.
두 논문은 모두 이현규 교수가 교신저자로 연구를 총괄했으며, 학부연구생과 석사과정생이 각각 제1저자로 연구를 주도했다는 점에서 연구 성과와 학생 연구자 양성 성과를 함께 보여준다.
▲의료 비전·언어 모델 Bi-EDL의 질환별 불확실성 추정 및 선택적 예측 과정
기사출처 [인하뉴스][전자신문][경기신문][베리타스알파]