왼쪽부터 지스트 정의헌 교수, 가톨릭의대 황호식 교수, 지스트 리폰 사하 아리조나주립대 박사과정생(지스트 석사졸업)

[톡톡뉴스]현대사회에서 가장 흔한 질환 중 하나인 안구건조증의 진단에 있어 눈꺼풀 마이봄샘의 소실을 인공지능으로 정량 분석할 수 있는 방법이 개발됐다.

지스트(광주과학기술원) 의생명공학과 정의헌 교수팀과 가톨릭대 의대 안과(여의도 성모병원) 황호식 교수는 적외선으로 촬영한 마이봄샘(기름층 생성) 영상을 인공지능(AI)을 활용해 자동으로 정량 분석하는 기술을 개발했다.

연구팀은 이번 연구의 모든 자료와 분석데이터를 누구나 온라인에서 확인할 수 있도록 공개해 관련 분야 연구자들이 새로운 인공지능 기술을 시도하고 그 결과를 검증할 수 있도록 했다. (링크: https://mgd1k.github.io/)

안구건조증은 크게 눈물 생성이 잘 되지 않는 수분부족형 안구건조증과 기름층 생성 부족으로 인한 과다증발형 안구건조증으로 나뉘는데, 눈물의 과다증발은 안구건조증의 가장 중요한 원인 중 하나이다.

마이봄샘은 눈꺼풀에 위치하며 눈물층의 기름막 형성을 담당하는 기관으로, 과다증발형 안구건조증은 마이봄샘의 소실이나 기능 저하로 인해 발생하는 경우가 대부분이다.

따라서 마이봄샘을 촬영해 소실 정도를 파악하는 것이 안구건조증의 정확한 진단과 적절한 치료에 중요하다. 하지만 현재는 임상의가 환자의 마이봄샘 소실정도(meiboscore)를 0, 1, 2, 3점으로 주관적으로 판독해 정확성과 재현성이 낮다는 한계가 있었다.

연구팀은 실제 병원에서 촬영한 환자들의 마이봄샘 사진과 새로 개발한 딥러닝 모델을 활용해 의사의 진단보다 더 빠르고 정확한 판독 결과를 도출했다.

먼저 연구팀은 여의도 성모병원에서 촬영한 1000장의 마이봄샘 사진에 눈꺼풀 영역과 마이봄샘 영역을 표기한 후, 두 명의 안구건조증 전문의가 마이봄샘 소실 점수를 매겼다. 이 중 임의로 선택된 800장을 지스트에서 개발한 딥러닝 모델이 학습하도록 했다.

나머지 200장의 마이봄샘 영상을 판독한 결과, 임상의들의 판독 결과보다 더 일관되고 정확한 결과를 보여주었다.

이렇게 훈련시킨 딥러닝 모델을 고려대학교 안산병원에서 촬영한 600장의 마이봄샘 영상에 적용했더니 여전히 인공지능이 임상전문가보다 더 빠르고 정확한 판독 결과를 도출함을 확인했다.

따라서 이번 연구를 통해 마이봄샘 영상을 인공지능으로 판독하는 딥러닝 모델을 이용하면 마이봄샘 소실을 정확하고 객관적으로 측정할 수 있음을 보여주었다.

지스트 정의헌 교수는 “안구건조증의 주요 원인인 마이봄샘 기능 이상의 원인을 인공지능으로 판독하는 딥러닝 모델을 활용해 신속 정확하고 객관적으로 판독할 수 있게 되었다”며 “실제 임상에서의 효용성을 평가하기 위한 전향적 연구와 첨단 의료기기로서의 상용화를 목표로 공동연구를 계속 진행 중”이라고 말했다.

여의도 성모병원 황호식 교수는 “이번 연구는 마이봄샘 사진을 촬영하는 상용장비의 데이터를 이용해 딥러닝 모델을 만들었기 때문에 의료 현장에서 손쉽게 의료기기에 적용해 안구건조증의 진단과 치료에 응용할 수 있다”고 밝혔다.

이번 연구는 지스트 정의헌 교수(교신저자)와 가톨릭의대 황호식 교수(교신저자)가 주도하였으며 지스트 GRI(GIST 연구원) 및 보건산업진흥원 등의 지원을 받아 수행되었으며, 관련 논문은 안과학 분야 저명 국제 학술지 아큘러서피스지(Ocular Surface) 최근 온라인으로 공개되었다.         김미자 기자의 다른 기사 보기