AI 기반 유방암 진단의 혁신: 인간 중심 접근의 MSMV-Swin 프레임워크

Bayatmakou 박사 연구팀이 개발한 MSMV-Swin 프레임워크는 AI를 활용한 인간 중심 유방암 진단 시스템으로, Segment Anything Model과 다중 스케일 및 다중 뷰 Swin Transformer를 결합하여 진단 정확도와 견고성을 향상시켰습니다. 의료진의 의사결정을 지원하고 인간-AI 상호 작용을 강화하여 유방암 진단의 새로운 가능성을 제시합니다.

전 세계적으로 여성 사망의 주요 원인 중 하나인 유방암 진단에 있어 컴퓨터 보조 진단(CAD) 시스템의 발전에도 불구하고 여전히 많은 어려움이 존재합니다. 최근 인공지능(AI)의 급속한 발전은 딥러닝(DL) 기반 유방암 진단 시스템 개발에 엄청난 가능성을 제시하고 있습니다. 하지만 기존 시스템들은 상세한 종양 주석에 대한 의존도가 높고, 특히 검사 시 특정 영상이 누락될 경우 성능이 저하되는 취약점을 가지고 있었습니다.

이러한 문제를 해결하기 위해, Bayatmakou 박사 연구팀은 인간 중심 워크플로우에 AI를 통합하는 혁신적인 접근법을 제시했습니다. 그들이 개발한 MSMV-Swin 프레임워크는 다중 스케일 및 다중 뷰 Swin Transformer 기반의 하이브리드 시스템으로, 진단의 정확성과 견고성을 크게 향상시킵니다. 이 프레임워크는 방사선 전문의가 다중 뷰 유방촬영술을 더욱 효과적으로 분석할 수 있도록 지원하는 의사결정 지원 도구로 설계되었습니다.

MSMV-Swin의 핵심은 Segment Anything Model (SAM) 을 활용하여 유방엽을 분리함으로써 배경 노이즈를 줄이고 종합적인 특징 추출을 가능하게 한다는 점입니다. 또한, 다중 스케일 접근 방식을 통해 종양 특이적 영역뿐 아니라 종양 주변 조직의 공간적 특성까지 포착하여 국소적 및 문맥적 정보를 모두 활용합니다. 이를 통해 MSMV-Swin의 출력은 방사선 전문의의 유방촬영술 해석 방식과 일치하여, 인간-AI 상호 작용과 신뢰도를 높입니다. 더 나아가, 하이브리드 융합 구조는 임상 현장에서 흔히 발생하는 단일 뷰 유방촬영술만 이용 가능한 상황에서도 견고성을 유지합니다.

MSMV-Swin 프레임워크는 단순한 진단 도구를 넘어, 인간과 AI의 시너지를 극대화하는 협력적 진단 시스템의 새로운 지평을 열 것으로 기대됩니다. 이는 유방암 진단의 정확성 향상은 물론, 의료진의 업무 부담을 줄이고 환자에게 더욱 효과적이고 안전한 진료를 제공하는 데 크게 기여할 것입니다. 향후 연구를 통해 더욱 발전된 AI 기반 유방암 진단 시스템이 개발되고, 더 많은 여성들이 조기에 유방암을 진단받고 효과적인 치료를 받을 수 있기를 기대합니다.