인공지능 최소 침습 수술 영상 정합 기술로 안전·정밀성 높인다
MIT 연구진이 최소침습 수술의 정확도와 안전성을 혁신적으로 높이는 AI 정합 기술 xvr을 개발했다고 발표했다. 이는 수술 중 실시간으로 캡처된 2D 엑스레이 영상과 환자 수술 전 3D 의학 영상(MRI, CT)을 자동 매칭하는 기술로, 의료진의 수술 도구 조종을 돕고 합병증 위험을 대폭 줄일 전망이다. 최소침습 수술에서 의료진은 좁은 절개부를 통해 도구를 삽입한 후 평면 엑스레이를 이용해 진행 상황을 모니터링한다. 그러나 2D 영상은 인체 내 3차원 구조를 정확히 파악하기 어려워, 기존에는 의료진이 수동으로 2D와 3D 영상을 일치시키는 작업이 필요했다. 이 과정은 오랜 훈련을 요할 뿐만 아니라 기존 AI 기반 정합 알고리즘은 환자의 해부학적 다양성으로 인해 정확도와 안정성이 떨어지는 한계가 있었다. MIT 컴퓨터과학인공지능연구소(CSAIL)와 하버드 의과대학 공동 연구진은 이러한 문제를 해결하기 위해 환자 특성에 빠르게 적응하는 AI 프레임워크 xvr을 설계했다. 이 모델은 환자의 기존 3D 스캔을 기반으로 물리 시뮬레이션을 통해 다양한 각도의 합성 엑스레이를 생성하고, 이를 학습 데이터로 활용한다. 연구진은 전역 환자 2000여 명의 영상을 수집해 xvr로 사전 학습된 파운데이션 모델을 구축한 후, 신규 환자의 영상에 단 5분 만에 적응시켜 서브밀리미터 수준의 정밀도를 달성했다. 기존 방식이 환자별로 모델 재학습에 약 12 시간이 소요되는 점을 고려할 때, 이는 임상 현장에 바로 적용 가능한 혁신적인 속도 개선이다. 검증 결과, xvr은 전 세계 5개 병원 데이터셋을 기반으로 한 테스트에서 기존 AI 정합 방법보다 정확도와 강건성에서 뚜렷하게 우수했다. 특히 뇌졸중 중재 시술과 같은 응급 수술의 경우, 전문 의료센터 접근성이 낮은 지역에서도 신속하고 안전한 시술이 가능해져 수술 시간 단축과 환자 생존률 향상 기여가 기대된다. 연구진은 향후 실시간 임상 배포를 위한 처리 속도 최적화, 호흡이나 심박동 등 동적 장기 적용 가능성 검증, 그리고 수술용 로봇 기술과의 연동을 지속적으로 연구할 계획이다. 현재는 주요 수술 로봇 기업 및 임상 기관과 협력을 맺어 상용화 및 현장 적용을 추진 중이며, 본 연구 결과는 학술지 네이처에 게재되었다. 미국 국립보건원(NIH) 및 MIT 관련 기관들의 지원을 받아 진행되었다.
