(HeadXNet team members (from left to right, Andrew Ng, Kristen Yeom, Christopher Chute, Pranav Rajpurkar and Allison Park) looking at a brain scan. Scans like this were used to train and test their artificial intelligence tool, which helps identify brain aneurysms. Credit: L.A. Cicero)
스탠포드 대학의 연구팀이 인공지능을 이용해 뇌동맥류 (brain aneurysm) 진단 정확도를 높일 수 있다는 연구 결과를 JAMA Network Open에 발표했습니다. 뇌동맥류는 뇌혈관 일부가 부풀어오른 상태로 그 상태에서 별 문제없이 지낼 수도 있지만, 만약 혈관이 터지거나 주변을 압박하면 심각한 상황이 될 수도 있습니다. 따라서 뇌 CT/MRI를 통해 이를 사전에 진단하고 필요시 치료해야 합니다.
스탠포드 대학의 앨리슨 파크 (Allison Park, a Stanford graduate student in statistics)와 그 동료들은 HeadXNet라는 머신러닝 알고리즘을 이용해 뇌동맥류 진단률을 높일 수 있는지 검증했습니다. 8명의 의사가 115개의 뇌스캔 세트를 통해 HeadXNet의 도움을 받을 때와 아닌 때의 진단률을 비교한 결과 HeadXNet를 같이 사용할 때 100스캔 당 6개의 뇌동맥류 진단률이 높아지는 것으로 나타났습니다.
연구팀에 의하면 HeadXNet의 목표는 의사를 대신하는 것이 아니라 도와주는 것입니다. 많은 인공지능 이미지 진단 알고리즘이 실제 의사에 못지 않은 진단률을 보인다고 주장하고 있지만, 현실적으로 의료 현장에서 의사를 배제하기는 어려운 일입니다. 막상 진료 현장에서는 예기치 않은 여러 가지 변수가 많고 정해진 데이터로 학습한 인공지능에는 분명한 한계가 있습니다. 무엇보다도 법적 책임을 감안할 경우 반드시 전문의가 있어야 합니다. 어차피 의사를 대체하기 어려운 상황에서 많은 비용을 들여 굳이 인공지능을 추가 도입하지 않는 이유입니다.
HeadXNet의 접근은 의사를 돕는 인공지능인데 적어도 인간을 진짜 대체할 수 있는 수준까지 인공지능이 발전할 때까지 의료 부분 인공지능 연구에서 가장 흔한 유형이 될 것으로 예상됩니다.
그건 그렇고 연구팀에 앤드류 응 (Andrew Ng)의 모습이 보이는데, 인공지능 관련 공부를 하게되 서적이나 강좌를 통해 친숙한 이름일 것입니다. 뜻하지 않게 여기서 기사를 통해 접하는데, 지금 스탠포드 대학의 겸임 교수 (Adjunct professor)으로 일하고 있어 연구에 관여하신 것 같네요.
참고
Allison Park et al. Deep Learning–Assisted Diagnosis of Cerebral Aneurysms Using the HeadXNet Model, JAMA Network Open (2019). DOI: 10.1001/jamanetworkopen.2019.5600
댓글
댓글 쓰기