갑상선암 진단의 혁신: 베트남 연구진, 저비용 고성능 AI 시스템 개발

베트남 연구진이 개발한 ThyroidEffi 1.0은 저비용 고성능 AI를 기반으로 갑상선암 FNAB 이미지를 정확하게 분류합니다. YOLOv10, 커리큘럼 학습, EfficientNetB0 등 혁신적인 기술을 활용하여 높은 정확도와 효율성을 달성했습니다. 12코어 CPU에서 1000건을 30초만에 처리하는 놀라운 성능을 보였지만, 악성 의심(B5) 카테고리의 정확도 향상이 필요합니다.

베트남 연구진(Hai Pham-Ngoc 외)이 갑상선암 진단의 패러다임을 바꿀 획기적인 AI 시스템, ThyroidEffi 1.0을 개발했습니다. 갑상선 세침흡인검사(FNAB) 이미지를 분석하여 양성(B2), 악성 의심(B5), 악성(B6) 세 가지 범주로 분류하는 이 시스템은 제한된 데이터와 높은 계산 비용이라는 어려움을 극복하고, 높은 정확도와 해석 가능성을 동시에 달성했다는 점에서 주목할 만합니다.

데이터 한계와 계산 비용 문제, 혁신적인 해결책으로 돌파

기존 갑상선 FNAB 이미지 자동 분류 시스템은 데이터 부족, 관찰자 간 변이, 높은 계산 비용 등의 문제에 직면해 왔습니다. ThyroidEffi 1.0은 이러한 문제들을 다음과 같은 혁신적인 방법론을 통해 해결했습니다.

• YOLOv10 기반 세포 클러스터 탐지: 잡음을 줄이고 정보가 풍부한 영역을 추출하여 효율적인 분석을 가능하게 했습니다.
• 커리큘럼 학습 기법: 국소 영역에서 전체 이미지로 점진적으로 학습 데이터를 확장하여 다양한 크기의 특징을 포착하도록 설계되었습니다.
• 경량화된 EfficientNetB0 네트워크: 성능과 효율성의 균형을 맞추기 위해 매개변수가 4백만 개에 불과한 경량화된 EfficientNetB0를 채택했습니다.
• Transformer 기반 모듈: 다중 스케일 및 다중 영역 분석을 통해 정확도를 향상시켰습니다.

놀라운 정확도와 효율성: 내부 및 외부 검증 결과

ThyroidEffi Basic은 내부 테스트에서 macro F1 89.19%, AUC는 B2(0.98), B5(0.95), B6(0.96)을 기록했습니다. 외부 검증 결과 역시 AUC가 B2(0.9495), B5(0.7436), B6(0.8396)으로 높은 수준을 유지했으며, ThyroidEffi Premium은 macro F1을 89.77%까지 향상시켰습니다. Grad-CAM을 활용하여 주요 진단 영역을 시각화함으로써 시스템의 해석 가능성 또한 입증했습니다. 더욱 놀라운 것은, 12코어 CPU에서 1000건의 이미지를 단 30초 만에 처리하는 뛰어난 효율성을 보였다는 것입니다.

결론: 저비용 고성능 AI가 갑상선암 진단의 새로운 지평을 열다

ThyroidEffi 1.0은 제한된 자원 환경에서도 높은 정확도와 해석 가능성을 갖춘 갑상선암 진단 AI 시스템 개발의 가능성을 보여주는 훌륭한 사례입니다. 향후 더욱 발전된 AI 기반 의료 시스템 개발을 위한 중요한 이정표가 될 것으로 기대됩니다. 특히 저렴한 하드웨어에서도 작동한다는 점은 의료 접근성이 낮은 지역에 큰 도움이 될 것으로 예상됩니다. 하지만 B5(악성 의심) 카테고리의 AUC가 다소 낮은 점은 향후 개선 과제로 남아 있습니다.