 |
| ▲ 연구진(상단 좌측부터 성대운, 이의민, 전만식 교수, 김홍균 교수, 김지현 교수) / 각막 이식체의 두께 및 부피를 자동으로 측정하는 딥러닝 기반 모델 설명. (사진=경북대학교 ICT융합연구센터 제공) |
[mdtoday=조성우 기자] 경북대학교 전자전기공학부 전만식, 김지현 교수 공동 연구팀과 경북대학교 병원(안과) 김홍균 교수 연구팀은 각막 수술 예후 평가에 사용되는 생체 적합성 평가지표 중 하나인 이식체의 두께 및 부피를 딥러닝 모델을 통해 자동으로 측정하는 기법을 개발했다.
이번 연구는 ‘Health care sciences and services’ 분야 국제 학술지이자 네이처 리서치(Nature Research)의 온라인 의학 저널인 ‘npj Digital Medicine’에 게재됐다.
각막 이식체의 생체 적합성을 판단하는 것은 각막 수술의 예후를 평가하는데 매우 중요하다. 기존의 각막 이식체를 분석하는 방식은 초음파 측정기를 직접 각막에 접촉시켜 두께를 분석하는 초음파 각막 두께 측정방법(Ultrasound pachymetry)이 있다.
이러한 방식은 측정자의 숙련도에 따라 측정에 오류가 생기고 측정을 위한 안약을 사용해야 하며 시간이 오래 걸린다는 불편함 등이 있었다. 또한, 각막 이식체 영역 전체의 두께를 측정하기 어려워 평가 정확도가 떨어진다는 문제점이 있었다.
이번 연구에서 연구팀은 이러한 문제를 개선하기 위해 ‘Optical Coherence Tomography(광간섭단층촬영기기, 이하 OCT)’ 기술을 사용했다. OCT는 광간섭 효과와 간섭계를 이용해 조직의 이미지를 얻는 기술로, 레이저 빛을 조직에 조사했을 때 반사되어 돌아오는 빛을 분석해 조직의 단층 구조와 특성을 영상화하는 장비이다.
이 기술은 접촉, 외과적 침습, 파괴, 염색 없이 조직의 다양한 정보를 제공할 수 있어 안과에서는 대표 기술로 사용되고 있으며, 그뿐만 아니라 다양한 의료 및 산업적 검사장비 분야에서도 활용되고 있다. 연구팀은 OCT에 인공지능 기술을 결합해 각막에 이식된 이식체의 자동영역분할/측정/분석을 진행할 수 있는 딥러닝 모델을 개발했다.
개발된 각막 수술 예후 평가 딥러닝 모델은 크게 2가지 단계로 나눌 수 있다. 먼저, ‘자동영역분할 단계’에서는 생체에 인공 각막이 이식된 각막의 OCT 영상에서 각막과 인공 각막의 영역을 자동으로 구분해 분류해준다. 이 단계에서 이식수술과 학습을 진행하기 위한 데이터셋 제작을 경북대학교 안과병원에서 담당했다. 수술을 진행한 김홍균 교수 연구팀은 학습에 사용하기 위한 레이블 데이터를 직접 제작했다. 각기 다른 의사가 제작한 유사한 데이터를 각기 따로 학습시키면서 사람 간의 데이터 차이가 있더라도 일관된 결과물을 내보이면서 모델의 신뢰성을 검증했다.
이후, ‘측정/분석 단계’에서는 도출된 결과물을 3차원으로 재구성해 각막 이식체의 전체 영역에 대한 잔량과 두께의 분포를 분석했으며, 개체 간의 특성이나 이식 후 경과한 시간에 영향을 받지 않고 각막 이식체를 분석할 수 있음을 확인했다. 특히, 각막을 이식 후 2주간의 모니터링 결과를 활용해 이식된 공여 각막이 어떻게 수용 각막과 결합하는지를 딥러닝 결과로 보여주고 검증하면서 모니터링의 결과에도 적용 가능함을 입증했다.
연구를 이끈 전만식, 김홍균, 김지현 교수는 이번 연구 결과를 기반으로 동물 실험을 넘어, 불투명 영역 자동 분할과 이식된 부분 추출을 포함해 인간 각막 이식술에 대한 정량적 평가 방법으로서 높은 임상적 유용성을 가질 것으로 기대하고 있다.
한편 이번 연구는 과학기술정보통신부 및 정보통신기획평가원의 지역지능화혁신인재양성사업, 한국연구재단의 중견연구자지원사업의 지원으로, 경북대학교 전자공학부 전만식, 김지현 교수, 전자전기공학부 박사과정 성대운, 이의민, 김윤석, 경북대학교 병원 안과 김홍균 교수 공동 연구팀에 의해 수행됐다.
메디컬투데이 조성우 (ostin0284@mdtoday.co.kr)
[ⓒ 메디컬투데이. 무단전재-재배포 금지]
