• Cutting-edge AI research .
  • Accelerating innovations in research and service .
  • “SotA” (State-of-the-Art) .
  • Human. Machine. Experience Together .

AI가 만드는 ‘Medical AI’를 시작합니다.

2021.05.27

AI가 만드는 ‘Medical AI’를 시작합니다.

AI가 만드는 AI, Meta Learner는 제품 불량을 자동으로 검출하는 머신 비전(Machine Vision), CCTV를 통해 침입을 탐지하는 비디오 감시(Video Surveillance), 댓글을 통해 고객의 응답을 분석하는 감성 분석(Sentiment Analysis) 등 다양한 산업 현장에 적용되었고, MIREX Challenge(음악 자동 채보) 1위, VizWiz Challenge (시각과 언어 동시 이해) 2위 등을 통해 학술적 성취 역시 인정 받았습니다.

‘21년 봄, SK텔레콤은 지금까지 적용해보지 않았던 의료 분야에 Meta Learner를 적용하기 위해 가톨릭대학교 가톨릭중앙의료원과 협력을 시작했습니다.

새롭게 시작하는 이번 도전은 지금까지 적용된 산업들과 달리 여러가지 제약이 있습니다. 먼저 데이터의 특성상 한정된 상황에서 수집 및 보관이 가능하기 때문에 의료 기관 외에는 접근이 어렵고, 전문 지식이 있어야 데이터에 대한 라벨링이 가능한데, 실제 의료 활동을 수행하는 전문 의료 인력이 데이터 라벨링을 하기에는 시간도 부족하고 비용도 많이 필요합니다. 그리고 상대적으로 많은 데이터를 보유하고 있다는 의료 기관 역시 질병의 종류와 발병 부위별로 세분화하면 Deep Learning을 수행하기에는 데이터가 부족한 상황이 될 수 있습니다.

이러한 데이터 수집과 활용의 문제를 해결하기 위해 Meta Learner가 제공하는 AutoData 기능을 유용하게 사용할 수 있습니다. 기존에도 부족한 학습용 데이터를 생성하는데 GAN(Generative Adversarial Network)을 활용하는 등 노력을 해왔으나, AutoData를 사용하게 되면 Labeling을 자동화하고 가속화하여 짧은 시간에 많은 양의 고품질 학습용 데이터를 생성할 수 있습니다.

(Meta Learner – AutoData)

또한 데이터의 성격에 따른 제약도 있습니다. 의료 분야 AI를 위해 사용하는 진단 영상 데이터는 X-Ray, CT, MRI 등 인간의 신체를 투과하여 해부학적 골격이나 내부 장기를 보여주는 이미지입니다. 이러한 의료 영상 이미지는 일반 카메라의 이미지와 달리 경계면이 뚜렷하지 않고, 작은 병변의 위치와 경계면을 인식해야 하는 어려움이 있어, 기존 카메라 기반 객체 탐지(Object detection)기술을 그대로 적용하기에는 한계가 있습니다.

이미지 출처 : https://www.pnas.org

이러한 문제를 극복하기 위하여 X-Ray 영상에 특화된 초고해상도 (Super Resolution), 경계 검출 (Edge detection), 왜곡 감소 (Noise Reduction) 알고리즘을 개발하고 의료 영상의 정확도를 높이기 위한 노력이 필요합니다. 이 과정에서 유용하게 쓰일 Meta Learner의 기능이 바로 AutoTrainer입니다.

AutoTrainer의 핵심은 문제 해결에 최적인 모델을 자동으로 찾아내는 것이며 이는 여러 모델 구조와 그에 최적인 하이퍼 파라미터를 자동으로 탐색하는 것으로 얻어집니다. 이렇듯, AutoData와 AutoTrainer를 활용하면 AI 모델 개발 과정에서 AI 연구자의 노력이 크게 줄어듭니다.

예를 들어 뇌출혈 CT 진단 데이터를 AutoData 기능을 활용하여 학습에 사용할 수 형태로 빠르게 가공하고, 기존 Vision AI 모델과 AutoTrainer를 통해 뇌출혈 진단 AI 모델을 생성하여 현장에 Pilot으로 적용 후 다시 보완하는 과정을 거치면, 뇌출혈을 진단하는 의료 현장에 사용할 수 있는 고품질의 AI 모델을 빠르게 만들 수 있을 것입니다. 그리고 이런 적용 사례를 바탕으로 또 다른 의료 진단 분야에도 적용해볼 수 있을 것이며, 그 속도 역시 가속화될 것이라 기대합니다.

(Meta Learner – AutoTrainer)

Digital Healthcare가 CES 2021의 핵심 화두로 떠오르는 등 관련 시장의 급격한 발전이 예상되고 있는 요즘, Meta Learner의 의료 분야 적용과 그 가능성을 살펴보았습니다.

지금은 비록 시작 단계이지만 올 하반기 즈음에는 의미 있는 결과를 보여드릴 수 있을 것으로 기대하고 있으며, 계속해서 소식을 전하겠습니다.