건국대병원은 18일 안과 김형찬 교수팀이 딥러닝 기반의 인공지능 모델이 삼출성 나이관련 황반변성 환자에서 관찰되는 병변들을 높은 정확도로 빠른 시간 내 구획화 하는 것을 확인했다고 밝혔다.

 

해당 연구는 안과학 분야의 최고 권위 학술지인 ‘미국안과학회지(American Journal of Ophthalmology(AJO)’ 7월에 게재됐다.

 

김형찬 교수팀은 삼출성 나이관련 황반변성 환자의 빛간섭단층촬영에서 관찰되는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리를 딥러닝 기술인' 컨볼루션 신경망(Convolutional Neural Network, CNN)을' 이용해 자동으로 구획화 해 안과 전문의와 비교 분석했다.

 

그 결과, 240장의 시험데이터에 대해 신경망과 안과 의사 1간의 다이스 계수는 망막내액, 망막하액, 망막하고반사물질, 망막색소상피박리 순서로 0.78, 0.82, 0.75, 0.80 로 나타났다.

 

양성예측도는 0.79, 0.80, 0.75, 0.80, 민감도는 0.77, 0.84, 0.73, 0.81로 확인됐다.

 

이는 진단 정확도 면에서 안과의사와 컨볼루션 신경망이 유사한 결과치를 낸 것이라고 분석된다.

 

반면 시험 데이터를 구획화하는 데 있어서는 의사가 약 10시간, 신경망은 약 10초로 신경망의 속도가 현저히 빨랐다.

 

김형찬 교수는 “컨볼루션 신경망이 상대적으로 훨씬 짧은 시간에 다양한 삼출성 나이관련 황반변성 병변의 구획화를 정확하게 수행했다”며 “향후 병변들의 정량적 분석에 유용할 것”이라고 연구 의의를 밝혔다.