AI 기반 심혈관 OCT 영상 아티팩트 자동 검출 시스템 개발 성공!

본 기사는 AI 기반 심혈관 OCT 영상 아티팩트 자동 검출 시스템 개발 성공에 대한 내용입니다. 국제 연구진의 협력으로 개발된 이 시스템은 혈액 잔여물 및 기포로 인한 감쇠 아티팩트를 정확하게 검출하고 심각도를 분류하여 심혈관 질환 진단의 정확성을 향상시키고 의료 절차의 효율성을 높일 것으로 기대됩니다.

혁신적인 AI 기술, 심혈관 질환 진단의 정확성을 높이다!

최근 심혈관 질환 진단에 널리 사용되는 관상동맥 OCT(Optical Coherence Tomography) 영상 분석에 획기적인 발전이 있었습니다. 네덜란드, 이탈리아 등 국제 연구진이 공동으로 개발한 인공지능 기반 시스템이 혈액 잔여물 및 기포로 인한 감쇠 아티팩트(attenuation artifacts) 를 자동으로 검출하고 심각도를 분류하는데 성공한 것입니다.

이 연구는 Pierandrea Cancian 등 13명의 연구자들이 참여한 논문, "Attenuation artifact detection and severity classification in intracoronary OCT using mixed image representations" 에서 발표되었습니다. 혈액이나 기포는 OCT 영상에 감쇠 아티팩트를 유발하여 중요한 혈관 구조를 가리는데, 이로 인해 재촬영이 필요해지고, 진단 시간 지연 및 조영제 사용량 증가로 이어집니다.

연구진이 개발한 컨볼루션 신경망(CNN) 기반 시스템은 OCT 이미지를 카르테시안 좌표와 극좌표 두 가지 방식으로 표현하여 분석하는 독창적인 접근법을 활용했습니다. 각 이미지 열(A-line)을 아티팩트 없음, 경미한 아티팩트, 심각한 아티팩트 세 가지로 분류하여 아티팩트의 존재와 심각도를 정확하게 판별합니다. 그 결과, 경미한 아티팩트에 대해서는 F-score 0.77, 심각한 아티팩트에 대해서는 F-score 0.94 의 높은 정확도를 달성했으며, 전체 OCT 스캔에 대한 추론 시간은 약 6초에 불과합니다.

특히, 카르테시안 좌표와 극좌표 표현 방식을 결합한 것이 주요 성과입니다. 연구 결과, 두 가지 표현 방식을 함께 사용했을 때 극좌표만 사용하는 경우보다 성능이 월등히 높았는데, 이는 두 표현 방식이 상호 보완적인 특징을 포함하고 있음을 시사합니다. 이 기술은 향후 관상동맥 OCT 영상 획득 과정에서 아티팩트 자동 평가 및 영상 획득 가이드에 활용될 것으로 기대됩니다. 이는 심혈관 질환 진단의 정확성 향상과 의료 절차 효율성 증대에 크게 기여할 것으로 예상됩니다.

이 연구는 단순히 기술적 진보를 넘어, 의료 현장의 문제 해결과 환자 치료 개선에 직접적으로 기여하는 AI 기술의 잠재력을 보여주는 중요한 사례입니다. 앞으로 AI 기술이 의료 영상 분석 분야에서 더욱 발전하여 환자들에게 더 나은 의료 서비스를 제공할 수 있기를 기대합니다.