진단 정확도는 원본 수준으로 유지하면서 용량은 최대 90%까지 줄일 수 있어 병원계의 고질적인 데이터 관리 비용 부담이 크게 줄어들 전망이다.

서울성모병원 병리과 이성학 교수와 고려대학교 안암병원 병리과 안상정 교수팀은 최근 디지털 병리 이미지의 적응형 압축 프레임워크인 ‘아다슬라이드(AdaSlide)’를 개발했다고 22일 밝혔다. 

최근 의료현장에서는 유리 슬라이드를 스캔해 모니터로 판독하는 디지털 병리 시스템 도입이 가속화되고 있다.

하지만 환자 한 명당 발생하는 데이터가 약 3~4기가바이트(GB)에 달하고, 매년 수백 테라바이트(TB)의 저장 공간이 필요해 막대한 관리 비용이 병원 운영의 걸림돌로 지적됐다.

기존 압축기술은 슬라이드 전체를 일괄적으로 처리하다 보니 세포 정보를 훼손하거나 불필요한 배경까지 고화질로 저장하는 비효율이 발생했다.

연구팀이 개발한 ‘아다슬라이드’는 이러한 문제를 해결하기 위해 AI를 활용해 이미지 내 영역별 중요도를 스스로 판단하는 방식을 택했다.

암세포가 밀집해 정밀 진단이 필요한 영역은 원본 화질을 보존하고, 지방 조직이나 빈 배경처럼 진단적 중요도가 낮은 영역은 고배율로 압축하는 원리다.

연구팀은 이를 ‘정보 불균형(Information Disequilibrium)’의 해소라고 설명했다.

연구팀은 31개 암종을 포함한 ‘판캔서(PanCancer)’ 데이터셋의 약 180만 개 패널 이미지를 학습시켜 압축 결정 에이전트를 구축했다.

13개 병리 진단 과제를 통해 성능을 검증한 결과, 아다슬라이드는 원본 대비 저장 용량을 65%에서 최대 90%까지 줄이면서도 진단 성능은 동등한 수준을 유지했다.

특히 병리 전문의 5명이 참여한 시각적 튜링 테스트(Visual Turing Test)에서 원본과 복원된 이미지를 구별해낸 비율은 56%에 그쳐 통계적으로 유의미한 차이가 없었다. 

이는 숙련된 전문의조차 육안으로 차이를 구분하기 어려운 수준임을 의미한다.

오히려 이미지 복원 과정에서 불필요한 노이즈가 감소하고 색상이 정규화되면서 일부 분류 작업에서는 원본보다 향상된 분석 성능을 보이기도 했다.

서울성모병원 이성학 교수는 “중요한 정보가 무엇인지를 AI가 스스로 판단하고 선택적으로 보존하는 기술은 의료 데이터의 ‘의미 기반 관리’라는 새로운 방향성을 제시한 것”이라고 말했다.

고대안암병원 안상정 교수는 “디지털 병리 확산의 가장 큰 걸림돌인 데이터 저장 비용 문제를 해결할 수 있는 토대를 마련했다”며 “향후 의료 데이터 관리 효율을 높이는 데 일조하겠다”고 밝혔다.

한편, 이번 연구성과는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications, IF 15.7)’에 게재되며 기술력을 입증받았다.