뇌졸중 AI 전문 기업 제이엘케이가 데이터 1000~2000건만 AI에 학습시켜도, 임상에 필요한 최소 정확도에 도달한다는 연구 논문을 발표했다.
제이엘케이는 확산강조영상(DWI)을 활용해 급성 뇌경색 병변을 자동으로 분할하는 인공지능 알고리즘을 개발·검증했다. 국내 10개 대학병원에서 수집한 1만 820건의 MRI DWI 영상을 기반으로 연구를 진행했다. 단일 질환과 단일 영상 부문 중 세계 최다 기록이다.
연구 결과, 학습 데이터가 늘어날수록 초반에는 인공지능 성능이 가파르게 개선됐지만 데이터 세트가 매우 클 때는 개선에 정체를 보였다. 1000~2000건으로도 임상에 필요한 최소 정확도에 도달했다. 연구팀은 이번 연구가 ‘비용 효율적 지점’을 제시했다고 평가했다.
외부 병원 영상 50건으로 도메인 적응 진행 시, 소량으로 학습한 모델임에도 불구하고 대규모 학습 모델 수준으로 높은 성능을 나타냈다. 실제 병원 간 프로토콜 차이로 발생하는 도메인 변화 문제를 최소 비용으로 해결할 수 있음을 뜻한다.
임상 적용 가능성도 확인됐다. 응급실에서 뇌졸중 의심으로 DWI를 시행한 환자 838명을 대상으로 한 응급실 시험에서 인공지능 알고리즘은 민감도 99%로 미세한 병변까지 분석해냈으며, 컷오프(0.087 mL) 적용 사례에서도 특이도 73%를 달성했다.
회사 관계자는 이번 연구 결과로 DWI 영상의 AI 솔루션 도입이 더욱 활발해질 것으로 기대했다.
제이엘케이는 확산강조영상(DWI)을 활용해 급성 뇌경색 병변을 자동으로 분할하는 인공지능 알고리즘을 개발·검증했다. 국내 10개 대학병원에서 수집한 1만 820건의 MRI DWI 영상을 기반으로 연구를 진행했다. 단일 질환과 단일 영상 부문 중 세계 최다 기록이다.
연구 결과, 학습 데이터가 늘어날수록 초반에는 인공지능 성능이 가파르게 개선됐지만 데이터 세트가 매우 클 때는 개선에 정체를 보였다. 1000~2000건으로도 임상에 필요한 최소 정확도에 도달했다. 연구팀은 이번 연구가 ‘비용 효율적 지점’을 제시했다고 평가했다.
외부 병원 영상 50건으로 도메인 적응 진행 시, 소량으로 학습한 모델임에도 불구하고 대규모 학습 모델 수준으로 높은 성능을 나타냈다. 실제 병원 간 프로토콜 차이로 발생하는 도메인 변화 문제를 최소 비용으로 해결할 수 있음을 뜻한다.
임상 적용 가능성도 확인됐다. 응급실에서 뇌졸중 의심으로 DWI를 시행한 환자 838명을 대상으로 한 응급실 시험에서 인공지능 알고리즘은 민감도 99%로 미세한 병변까지 분석해냈으며, 컷오프(0.087 mL) 적용 사례에서도 특이도 73%를 달성했다.
회사 관계자는 이번 연구 결과로 DWI 영상의 AI 솔루션 도입이 더욱 활발해질 것으로 기대했다.
제이엘케이 류위선 최고의학책임자(CMO)는 “이번 연구에서는 대규모 다기관 DWI 데이터와 도메인 적응 기술을 결합해, 실제 병원 환경에서도 정확히 뇌경색 병변을 검출하는 AI 성능을 확인했다”라며 “이번 성과는 JLK DWI, JLK CTL 등 자사 뇌졸중 솔루션의 글로벌 확장성과 FDA 추가 승인 과정에 강력한 근거가 될 것”이라고 말했다.
한편, 이번 연구 결과 전문은 네이처 'Scientific Reports' 온라인판에 최근 게재됐다.
이 기사와 관련기사