환자 개인정보를 안전하게 보호하면서 신장 컴퓨터단층촬영(CT) 영상으로 신장질환을 정확히 진단하는 인공지능 모델이 개발됐다.
서울아산병원 마취통증의학과 이상욱·비뇨의학과 서준교 교수 연구팀은 데이터를 암호화된 상태 그대로 연산하는 동형암호 기술을 활용해 환자의 신장 CT 영상을 암호화한 후 정상 신장과 낭종, 종양을 분류해 내는 딥러닝 모델을 구현했다.
연구팀은 암호화된 상태 그대로 분석할 수 있는 인공지능을 만들기 위해 세 가지 단계를 거쳤다. 먼저 비암호화된 상태에서 신장 CT 영상을 학습하는 딥러닝 모델을 기준 모델로 만들었다. 이를 위해 총 1만2446장의 신장 CT 영상이 사용됐다.
두 번째 단계로, 기준 모델을 암호화 환경에 맞춘 새 모델로 변형했다. 암호화된 데이터는 소위 ‘크다/작다’와 같은 직접 비교가 불가능하기 때문에 비교 연산을 쓰는 구조를 다항식 함수, 최대값 대신 평균값을 사용하는 방식으로 바꿈으로써 암호화된 데이터에서도 인공지능이 정상적으로 작동하게 만들었다.
마지막으로 ‘CKKS 스킴’이라는 동형암호 기법을 이용해 환자의 신장 CT 영상을 변환했다. 즉 완전히 암호화된 상태에서 인공지능이 영상을 분석할 수 있게 고도화한 것이다. CKKS 스킴은 국내 암호학자들이 개발한 동형암호 기법이다. 기존 동형암호는 정수 연산만 가능한 경우가 많은데, CKKS는 실수와 복소수에 대해서도 근사 연산이 가능하다. CKKS를 이용하면 의료 딥러닝 연산처럼 소수점이 필요한 계산을 암호화 상태로 처리할 수 있다. 이번 연구에서는 CKKS 스킴 원천 기술을 가진 크립토랩(CryptoLab)과 협력해 암호화 모델을 개발했다.
연구팀은 연산 효율성을 높이기 위해 데이터 여러 개를 한꺼번에 묶어 계산하거나 필요한 부분만 계산하는 방식도 추가로 도입했다.
서울아산병원 마취통증의학과 이상욱·비뇨의학과 서준교 교수 연구팀은 데이터를 암호화된 상태 그대로 연산하는 동형암호 기술을 활용해 환자의 신장 CT 영상을 암호화한 후 정상 신장과 낭종, 종양을 분류해 내는 딥러닝 모델을 구현했다.
연구팀은 암호화된 상태 그대로 분석할 수 있는 인공지능을 만들기 위해 세 가지 단계를 거쳤다. 먼저 비암호화된 상태에서 신장 CT 영상을 학습하는 딥러닝 모델을 기준 모델로 만들었다. 이를 위해 총 1만2446장의 신장 CT 영상이 사용됐다.
두 번째 단계로, 기준 모델을 암호화 환경에 맞춘 새 모델로 변형했다. 암호화된 데이터는 소위 ‘크다/작다’와 같은 직접 비교가 불가능하기 때문에 비교 연산을 쓰는 구조를 다항식 함수, 최대값 대신 평균값을 사용하는 방식으로 바꿈으로써 암호화된 데이터에서도 인공지능이 정상적으로 작동하게 만들었다.
마지막으로 ‘CKKS 스킴’이라는 동형암호 기법을 이용해 환자의 신장 CT 영상을 변환했다. 즉 완전히 암호화된 상태에서 인공지능이 영상을 분석할 수 있게 고도화한 것이다. CKKS 스킴은 국내 암호학자들이 개발한 동형암호 기법이다. 기존 동형암호는 정수 연산만 가능한 경우가 많은데, CKKS는 실수와 복소수에 대해서도 근사 연산이 가능하다. CKKS를 이용하면 의료 딥러닝 연산처럼 소수점이 필요한 계산을 암호화 상태로 처리할 수 있다. 이번 연구에서는 CKKS 스킴 원천 기술을 가진 크립토랩(CryptoLab)과 협력해 암호화 모델을 개발했다.
연구팀은 연산 효율성을 높이기 위해 데이터 여러 개를 한꺼번에 묶어 계산하거나 필요한 부분만 계산하는 방식도 추가로 도입했다.
그 결과, 환자의 신장 CT 데이터를 암호화된 상태 그대로 입력해도 기존 인공지능과 거의 똑같은 정확도로 신장질환을 구분하는 것으로 나타났다. 물론 암호화 때문에 이미지 크기가 약 500배 커지고 연산 속도가 느려지는 문제도 발생했다. 하지만 고성능 그래픽처리장치(GPU)를 활용한 결과, 1~2분 이내에 모든 분석이 이뤄질 수 있었다.
서울아산병원 마취통증의학과 이상욱 교수는 “향후 고성능 그래픽처리장치 등 하드웨어의 발전과 알고리즘 최적화가 이루어진다면 이번 암호화 적용 모델은 개인정보 보존형 의료영상 분석의 표준으로 자리 잡을 것이다”라고 말했다.
서울아산병원 비뇨의학과 서준교 교수는 “이번 암호화 모델은 민감한 환자 정보를 안전하게 보호하기 때문에 법적·윤리적 문제를 최소화하면서 AI 진단을 활성화할 수 있는 기술"이라며 "향후 신장 CT, 엑스레이 등 의료영상 분석에서 이 AI 모델이 폭넓게 활용될 수 있을 것으로 생각한다”고 말했다.
한편, 이번 연구 결과는 ‘영상의학: 인공지능(Radiology: Artificial Intelligence)’에 최근 게재됐다.