DGIST-스탠퍼드대학 공동 AI 기술 개발
개인의료와 데이터 공유없는 연합학습 AI
학습 모델을 중앙에 전달하는 횟수도 최소화
박상현 교수는 10일 "이 AI 기술은 여러 의료현장에서 대규모 AI 모델을 개발하는 비용을 획기적으로 줄일 수 있을 것"이라고 말했다. 이는 기관에서 생성한 이미지와 모델을 활용해 중앙 서버에서 모델을 학습하는 것인데, 생성된 이미지와 지식 증류를 통해 모델을 학습하는 과정을 개선했기 때문이다.
실제 이 기술로 현미경, 현미경영상, 피부경영상, OCT, 병리영상, X-ray영상, 안저영상을 분류해냈다. 이는 기존 연합학습 기법보다 분류해낼 수 있는 성능이 향상됐다.
의료 분야에서 딥러닝 모델을 학습할 경우 데이터에 환자의 개인정보가 포함돼 있어 개인정보 침해에 대한 우려가 있다. 이 때문에 각 병원의 데이터를 중앙 서버로 모으는 것이 힘들고, 여러 병원에서 공동으로 사용할 수 있는 대규모 모델을 개발하기도 어렵다.
이 문제를 해결하기 위한 수단이 연합학습이다. 연합학습은 데이터를 중앙서버에 수집하지 않고 각 병원이나 기관에서 학습한 모델만을 수집해 중앙서버로 전송해 학습한다. 그러나 중앙 서버로 모델을 여러 번 전송해야 하는 번거로움이 있다. 특히 환자 데이터를 안전하게 보관해야 하는 병원에서는 모델을 중앙 서버로 반복 전송하는데 비용과 시간이 많이 들어 모델 전송 횟수를 최소화해야 한다.
연구진은 이를 개선한 AI 모델로 사실적인 뇌 MRI를 생성하는 연구를 진행했다. 이를통해 2D 뇌 MRI 슬라이드를 조건부로 입력받아 3D뇌 MRI를 생성하는 조건 확산 모델을 개발한 것.
박상현 교수는 "기존 뇌 MRI 생성모델과 비교해 적은 메모리만으로도 양질의 영상을 생성할 수 있어 의료 분야에 중요한 역할을 할 수 있을 것"이라고 말했다.
monarch@fnnews.com 김만기 기자
※ 저작권자 ⓒ 파이낸셜뉴스, 무단전재-재배포 금지