수술 영상에서의 출혈 감지: 혁신적인 AI 모델 BlooDet의 등장

본 연구는 수술 영상에서 출혈 영역 및 지점을 동시에 감지하는 혁신적인 AI 모델 BlooDet을 소개합니다. 실제 수술 데이터를 기반으로 학습된 BlooDet은 기존 기술 대비 우수한 성능을 보이며, 수술의 안전성 및 효율성 향상에 크게 기여할 것으로 기대됩니다.

복강경 수술 중 예측 못한 출혈은 수술 과정을 심각하게 방해합니다. 혈액으로 인해 시야가 가려지면서 정확한 수술 진행이 어려워지기 때문입니다. 이러한 문제를 해결하기 위해, Jialun Pei를 비롯한 연구팀은 획기적인 AI 모델 BlooDet을 개발했습니다.

BlooDet은 수술 영상에서 출혈 영역과 출혈 지점을 동시에 감지하는 듀얼 태스크 모델입니다. 단순히 출혈 영역만을 찾는 것이 아니라, 출혈의 근원이 되는 정확한 지점까지 파악하는 것이 핵심입니다. 이를 통해 외과의는 신속하게 출혈을 지혈하고 수술을 안전하게 진행할 수 있습니다.

이 연구의 핵심은 SurgBlood라는 새로운 데이터셋의 구축입니다. 95개의 수술 영상 클립, 총 5,330 프레임으로 구성된 SurgBlood는 출혈 영역과 지점에 대한 정확한 주석을 포함하고 있어, BlooDet 모델의 학습에 중요한 역할을 합니다. 실제 수술 환경과 유사한 데이터를 사용함으로써, 모델의 정확도와 실용성을 크게 높였습니다.

BlooDet의 구조는 Segment Anything Model 2 (SAM 2)를 기반으로 한 듀얼 브랜치 방식입니다. 한 브랜치는 적응형 가장자리 및 점 프롬프트 임베딩을 통해 출혈 영역을 감지하고, 다른 브랜치는 마스크 메모리를 활용하여 출혈 지점의 움직임 방향까지 파악합니다. 두 브랜치는 상호 작용하며 공간-시간적 관계를 분석하고, 이전 프레임의 정보를 활용하여 현재 출혈 상태를 예측합니다.

실험 결과, BlooDet은 출혈 영역 감지에서 64.88%의 IoU(Intersection over Union), 출혈 지점 감지에서 83.69%의 PCK-10%(Percentage of Correct Keypoints within 10% of the ground truth distance)를 달성하여 기존 방법을 능가하는 성능을 보였습니다.

BlooDet의 개발은 수술 중 출혈 관리에 대한 새로운 가능성을 제시합니다. 더욱 정확하고 효율적인 출혈 감지를 통해 수술의 안전성과 효율성을 높이고, 환자의 예후 개선에도 크게 기여할 것으로 기대됩니다. 이는 단순한 기술적 발전을 넘어, 의료 현장에 실질적인 변화를 가져올 혁신적인 성과라고 할 수 있습니다.