(Overview of the dMRI data processing and analysis pipeline. Credit: Communications Medicine (2026). DOI: 10.1038/s43856-026-01614-6)
스페인 국립연구위원회(CSIC)와 미겔 에르난데스 엘체 대학교(UMH)의 공동 연구기관인 신경과학연구소(IN)의 연구팀이 인공지능과 컴퓨터 시뮬레이션을 기반으로 기존 방식보다 훨씬 적은 데이터로 MRI 스캔에서 더 빠르고 정확하게 상세한 뇌 정보를 얻을 수 있는 방법을 개발했습니다. 연구팀에 따르면 특정 고난도 MRI 스캔에 소요되는 시간을 최대 90%까지 단축하면서도 높은 정확도를 유지할 수 있습니다.
MRI는 인체를 1mm 단위로 정밀하게 들여다볼 수 있으면서도 방사선 노출 위험이 없어 진료 현장에서 큰 역할을 하고 있습니다. 하지만 고가의 장비인데다 검사 시간이 오래 걸려 가격이 비싼 단점이 있습니다. 여기에 좁은 공간에 환자가 오래 있어야 하는데, 상태가 좋지 않은 중증 및 응급 환자에서는 이것도 문제가 될 수 있습니다.
이 문제를 극복하기 위해 연구팀은 새로운 접근 방법을 도입했습니다. 현재 많은 응용 분야에서 흔히 사용되는 실제 환자 데이터를 이용한 모델 학습 대신, 연구팀은 뇌 조직 내 확산 과정의 물리적 원리에 기반한 모델을 사용하여 시뮬레이션을 생성했습니다. 이렇게 생성된 시뮬레이션 데이터는 신경망을 훈련시켜 매우 적은 수의 자기공명영상만으로 조직 상태를 나타내는 생체지표 역할을 하는 모델 매개변수를 추정할 수 있습니다.
연구팀의 AI 모델은 확산강조 자기공명영상(DWI) 과 같은 첨단 MRI 기술에 적용할 때 전체 데이터의 10%만으로도 매우 높은 정확도를 확보할 수 있다는 정점이 있습니다. 덕분에 40분 걸리는 검사가 8분 안에 끝날 수 있습니다.
물론 이 방법이 모든 MRI 검사 시간을 크게 단축시킨다는 것은 아닙니다. 하지만 알츠하이머 병처럼 최대 20년에 달하는 매우 긴 전임상 단계를 거치는 신경퇴행성 질환의 조기 진단을 위해 MRI를 주기적으로 시행할 때 상당히 비용효과적 대안이 될 수 있습니다. 응급 상황에서도 도움이 될지 모릅니다.
실제 임상에서 유용한 결과를 제시하기 위해서는 정확도 역시 중요한 만큼 이부분에서 검증이 있어야 하겠지만, AI의 의료 응용 가능성을 보여주는 흥미로운 연구로 보입니다.
참고
https://medicalxpress.com/news/2026-05-ai-simulations-advanced-brain-mri.html
Maximilian F. Eggl et al, Simulation-based inference at the theoretical limit for fast, robust microstructural MRI with minimal diffusion data, Communications Medicine (2026). DOI: 10.1038/s43856-026-01614-6
댓글
댓글 쓰기