구글, 피부과 시장 진출…간호사보다 성과 뛰어나고 전문의와 동등 수준

피부 질환은 가장 흔한 질병 중 하나이지만, 전문 의사가 부족하고 의료 자원이 고르지 않게 분포되어 있어 환자들이 일반의의 도움을 구하는 경우가 많은데, 이로 인해 오진이나 오진이 쉽게 발생할 수 있습니다. 구글 연구진이 개발한 딥러닝 시스템은 전문 피부과 의사와 비슷한 정확도로 흔한 피부 질환을 감지할 수 있으며, 일부 1차 진료 의사와 간호사보다 훨씬 더 나은 성능을 보입니다.

피부 문제는 감기, 피로, 두통에 이어 전 세계적으로 가장 흔한 질병 중 하나입니다.

실제로는 다음과 같은 것으로 추정됩니다. 19억 명모든 사람은 언젠가는 피부병을 앓게 됩니다. 미국에서만 환자 20명 중 1명이 치료를 위해 병원을 찾습니다.최대 37% 사람들이 적어도 하나의 피부 문제를 가지고 있습니다.. 하지만 이 환자 중 절반 이상은 피부과 의사가 아닌 다른 의사에게 진료를 받았습니다.

피부과 의사가 전 세계적으로 부족하기 때문에 환자들은 일반의를 만날 수밖에 없지만, 일반의는 전문의만큼 환자의 상태를 정확하게 진단하지 못하는 경우가 많습니다.

이를 고려하여, 구글 연구원, 1차 진료에서 가장 흔한 피부 질환을 감지할 수 있는 AI 시스템 개발.

그의 출판된 논문에서"피부질환 감별진단을 위한 딥러닝 시스템"“피부 질환의 감별 진단을 위한 딥 러닝 시스템”이라는 제목의 논문과 블로그에서 연구원들은 환자 사례에 대한 이미지와 메타데이터가 제공되었을 때 시스템이26가지 피부질환을 정확하게 진단합니다그리고 이는 미국 내 전문 자격증을 취득한 피부과 의사의 치료 결과와 동등하다고 주장합니다.

AI, 전문의보다 정확도 높은 새로운 피부과 전문의로 거듭나

Google의 소프트웨어 엔지니어인 Yuan Liu와 Google Health의 기술 프로그램 관리자인 Peggy Bui 박사는 다음과 같이 말했습니다.딥러닝 시스템(DLS)는 1차 진료에서 가장 흔히 발견되는 피부 문제를 해결합니다. 이 연구는 추가적인 전문가 교육을 받지 않은 일반의의 진단 역량을 강화하기 위해 DLS가 갖는 잠재력을 강조합니다. "

피부과 의사들은 피부 문제에 대해 단 하나의 진단만을 내리는 것이 아니라, 추적 검사, 영상 검사, 시술, 상담을 통해 체계적으로 진단 범위를 좁힌 순위가 매겨진 진단 목록을 제시한다고 설명합니다. 구글 연구진이 개발한 AI 시스템도 마찬가지다.

시스템은 다음을 처리합니다.피부 이상의 하나 이상의 임상 이미지와 최대 45가지 유형의 메타데이터(예: 병력의 자체 보고 구성 요소:(나이, 성별, 증상 등). 각 사례에서 여러 개의 이미지가 Inception-v4 신경망 아키텍처를 사용하여 처리되었으며 분류 계층의 피처 변환 메타데이터와 결합되었습니다.

연구팀은 이 모델이 두 개 주의 데이터를 사용했다고 밝혔다. 17개 1차 진료소, 신원 미확인 사례 17,777건, 모델이 평가되었습니다. 그들은 코퍼스를 두 부분으로 나누고 2010년부터 2017년까지의 기록 부분을 사용하여 AI 시스템을 훈련시키고, 2017년부터 2018년까지의 기록 부분을 사용하여 평가했습니다. 훈련 중에 모델은 다음을 활용합니다. 40명 이상의 피부과 전문의로부터 50,000건 이상의 감별진단을 받았습니다..

연구진은 시스템의 진단 정확도를 테스트하기 위해 미국 인증 피부과 의사 3명의 진단 결과를 수집하여 엄격한 기준과 비교했습니다.

기준 진실 레이블은 3750개의 사례를 집계하여 얻었습니다. AI 시스템의 피부 문제 순위와 피부과 의사의 감별 진단을 비교해보세요.첫 번째와 첫 번째 세 가지 진단 예측은 각각 71%와 93%의 정확도를 달성했습니다..

또한 검증 데이터 세트에서 시스템은 피부과 의사, 일차 진료 의사, 간호사의 세 가지 임상 의사 범주와 비교되었습니다(임상의가 제공하는 일반적인 감별 진단에는 최대 3가지 진단만 포함될 수 있으므로, 임상의와 DLS의 상위 3가지 예측만 비교했습니다).

결과는 시스템의 처음 세 가지 예측이 다음을 나타냈음을 보여주었습니다.진단 정확도는 90%로 피부과 의사(75%)와 비슷했으며, 1차 진료 의사(60%)와 간호사(55%)보다 "훨씬 높았습니다"..

피부 질환은 피부 유형과 매우 밀접하게 연관되어 있으므로, 피부 자체를 시각적으로 평가하는 것이 진단에 매우 중요합니다. 따라서 피부 유형에 따른 잠재적 편견을 평가하기 위해 팀은 피츠패트릭 피부 타입, AI 시스템의 성능을 테스트했습니다. 피부 분류는 1형("창백하고, 자주 타고, 전혀 검게 그을리지 않음")부터 6형("가장 어두운 갈색이고, 전혀 검게 그을리지 않음")까지 있습니다.

그들은 최소 5%의 데이터를 차지하는 피츠패트릭 II-IV 피부 유형에 초점을 맞추었고, 이 범주에서 DLS가 비슷한 정확도를 보인다는 것을 발견했습니다.첫 번째 진단의 정확도는 69%~72%였고, 처음 세 가지 진단의 정확도는 91%~94%였습니다..

연구자들은 시스템의 전반적인 정확도가 훈련 자료의 데이터 양에 기인한다고 생각합니다.메타데이터연구 결과에 따르면 이러한 접근 방식은 "임상의가 초기 감별 진단에 근거하지 않은 잠재적 요인을 고려하도록 도울 수 있다"고 합니다.

그러나 그들은 또한 그들의 훈련 자료가 단 하나의 원격 피부과 서비스에서만 가져온 것이라고 지적했습니다. 일부 피츠패트릭 피부 유형은 의미 있는 훈련이나 분석을 위해 데이터 세트에서 너무 드물었고, 사용 가능한 데이터 샘플이 부족해 흑색종과 같은 특정 피부 상태를 데이터 세트에서 정확하게 감지할 수 없었습니다.

Liu와 Bui는 "더 많은 생검을 통해 입증된 피부암 사례를 훈련과 검증에 포함시키면 이러한 한계를 해결할 수 있다고 믿는다"고 썼습니다.

기술의 도움으로 건강한 피부를 갖는 것은 더 이상 꿈이 아닙니다. 

제 나라에는 피부과 의사의 총 수가 3만 명도 안 됩니다. 피부과는 전문의 부족 외에도 오진, 오진, 희귀질환에 대한 지식 부족 등의 문제에 직면해 있으며, 이는 의심할 여지 없이 환자에게 손실을 초래할 것입니다.

사실 피부과는 형태학적 특성에 의존하는 학문입니다.대부분의 진단은 시각적 인식 패턴을 기반으로 합니다.. 피부과의 경우 AI 이미지 인식 기능은 보조 진단에 매우 적합합니다.

하지만 지난 수십 년 동안 피부과에서 인공지능을 적용하는 사례는 매우 제한적이었습니다. 최근 몇 년 동안 인공지능 기술의 발전과 응용으로 국내 피부과에서도 AI 응용에 점차 많은 진전이 이루어졌습니다.

예를 들어, 2018년 Xiangya 대학 제2병원은 Dingxiangyuan 및 Dana Technology와 협력하여피부질환을 위한 최초의 AI 지원 진단 시스템이 시스템은 현재 홍반성 루푸스와 피부염을 포함한 다양한 질병을 목표로 합니다.인식 정확도는 85% 이상으로 높습니다.. 이후 중일우호병원과 베이징협화의학원병원도 딥러닝 기술을 기반으로 한 AI 피부질환 진단 시스템을 출시했습니다.

따라서 AI 기술의 도움으로 피부과가 겪는 모든 문제가 해결될 것으로 기대할 수 있습니다.

-- 위에--