디지털 병리 저장공간 문제 해결하는 AI 압축 기술 개발

서울성모·고대안암, 데이터 비용 절감 기술
고도 압축, 품질 유지 등 이미지 용량 90% 절감
31개 암종, 13개 병리 AI 과제서 성능 확인

이성학(왼쪽부터) 서울성모병원 병리과 이성학 교수, 고려대학교 안암병원 병리과 안상정 교수. [서울성모병원 제공]

[헤럴드경제=고재우 기자] 국내 의료진이 디지털 병리 이미지 진단 정확도를 유지하면서도 데이터 용량을 현저히 줄일 수 있는 ‘적응형 압축 프레임워크’ 개발에 성공했다.

22일 서울성모병원에 따르면 이성학 병리과 교수·안상정 고대 안암병원 교수 등 공동 연구팀(제1저자 이종현 펜실베니아대학교 생물통계학과 박사)은 디지털 병리 진단 확대에 따른 저장공간 문제를 해결할 ‘아다슬라이드’ 기술을 개발했다.

최근 이미지 스캔 기반 디지털 병리 진단 시스템이 임상 전반에 확대로 데이터의 보관 및 처리가 중요해졌다. 병리 진단을 위해 요구되는 고해상도 이미지 데이터 관리가 병원의 부담으로 떠오른 것이다.

병원에서는 환자 한 명당 약 3~4㎇, 매년 수백 TB의 데이터를 보관하기 위해 막대한 저장공간이 필요했다. 단순 보관이 아니라 보관된 이미지를 재판독하는 경우도 왕왕 있었다. 판독 품질에 영향을 최소화하면서도, 효율적으로 용량을 감소시키는 압축 기술에 대한 필요성이 제기된 이유다.

이에 연구팀은 전체 슬라이드를 압축 처리하는 것이 아니라 인공지능(AI)을 활용해 한 슬라이드 내에서도 단위 영역별로 다르게 처리하는 하이브리드 압축 플랫폼 아다슬라이드를 개발했다.

예를 들어 암세포가 밀집해 정밀한 진단이 필요한 영역은 원본 화질을 보존하고, 지방 조직이나 빈 배경처럼 진단적 중요도가 낮은 영역은 AI로 이미지를 자동 처리하는 식이다. 병리 이미지 내에서 진단적 가치가 높은 영역과 그렇지 않은 영역 간 ‘정보 불균형’을 처리한다면, 중요 진단 부위의 이미지 품질저하를 최소화하면서도 용량 효율화를 이룰 수 있다는 것이다.

실제로 31개 암종을 포함한 ‘판캔서’ 데이터셋의 약 180만개 패널 이미지를 활용해 학습된 ‘압축 결정 에이전트’는 이미지 내 각 영역을 분석해 압축 여부를 스스로 판단한다. 압축된 이미지는 이후 ‘기초 이미지 복원기’를 통해 복원이 가능하다.

13개의 다양한 병리 진단 과제(분류 및 분할)를 통해 성능을 검증한 결과, 해당 기술은 원본 이미지 대비 저장 용량을 65%에서 최대 90%까지 줄였다. 진단 성능도 원본과 동등한 수준을 유지했다.

이번 연구는 단순한 용량 압축을 넘어 AI가 진단에 필요한 정보를 스스로 선별하고 보존한다는 점에서 의미가 있다. 연구팀은 아다슬라이드를 병리 전문의가 실제 진단 시 집중하는 영역과 유사한 패턴으로 데이터를 처리하도록 구현했다. 이를 통해 AI 의료 빅데이터 구축 효율성이 높아질 것으로 기대된다.

이 교수는 “진단적으로 중요한 정보가 무엇인지를 AI가 스스로 판단하고, 선택적으로 보존하는 기술은 의료 데이터 관리의 새로운 방향성을 제시하는 접근”이라며 “향후 대규모 병리 AI 학습 데이터 구축과 국제 공동연구 환경에서도 실질적인 효율성을 제공할 수 있을 것”이라 밝혔다.

한편 해당 연구는 국제 학술지 ‘네이처 커뮤니케이션즈’에 게재됐다.