ADVERTISEMENT

광운대 이정훈 교수팀, 스마트폰 딥러닝 기술 활용하여 현장에서 바이러스 초기 질병 진단/예측하는 신기술 개발

중앙일보

입력

광운대학교 이정훈 교수팀(전기공학과)은 ㈜켈스, 광운대학교 이기백 교수팀, 서울성모병원 조성연 교수팀, 가톨릭 관동대 유용경 교수팀, 고려대학교 윤대성 교수팀과의 공동연구를 통해 스마트폰을 기반으로 한 AI 진단기술 개발에 성공하였으며, 이를 통해 외부 장착기기들 없이 스마트폰과 래피드키트만으로 고감도 현장진단이 가능한 기술을 개발하였다.

COVID-19 현장진단으로서의 래피드키트는 팬데믹, 엔데믹 시대에 하루 수백만 회 이상 수행중에 있으며, 현장진단의 정확도/민감도 향상기술은 개별 환자의 치료 및 공중 보건에 큰 영향을 미칠 수 있다.  특히 진단/스크리닝은 증상이 나타나기 전이나 무증상인 경우 중요하며, 이 단계의 진단이 바이러스 전파를 최소화하는 데 필수적이다. PCR의 경우 높은 민감도로 인해 표준 진단법으로 자리를 잡고 있으나, 비싼 진단 가격 뿐만 아니라, 바이러스 확산이 크지 않는 회복기 기간 또한 양성으로 진단하기 때문에 불필요한 격리를 야기한다. 반면 현장진단기술로서의 래피드 키트는 값싸고 빠른 진단이 가능함에도 불구하고, 민감도가 크게 떨어지는 단점 때문에 응용에 한계를 가지고 있다. 특히 래피드키트는 초기감염 (저역가) 환자에 대해서 50% 미만의 민감도를 보이며 실제 감염된 환자를 분별하는 능력이 크게 떨어지는 한계를 가지고 있다.

본 연구팀은 스마트폰 기반의 진단기술을 통해 현장진단 래피드키트의 한계를 극복하고자 하였으며, 독자적 딥러닝 알고리즘을 개발을 통한 AI 기반 코로나 양/음성 판단 기술을 개발하였다. 블라인드 테스트 (암맹평가: n=1,500)를 통해 AI진단 민감도를 평가한 결과, 일반인이 육안으로 확인한 평균 민감도 72%에 비해 100%의 민감도로 정확한 양/음성 판단이 가능함을 입증하였다. 특히 무증상 혹은 감염초기 진단에 있어서 일반인 민감도가 51%인것에 비해 AI 적용시 91%로 크게 증대되었으며, 이를 통해 감염초기 진단이 가능함을 입증하였다. 또한 시중에 판매되는 8개의 모델에 대한 앱 기반 테스트 평가 결과 평균 민감도와 특이도는 각각 94.8%와 90.9%가 확인되어 범용성을 입증하였다.

이러한 스마트폰 AI 기술은 1)높은 민감도/정확도 확보로 조기진단이 가능하며, 2)추가적인 데이터의 확보 및 학습을 통해 정확도를 연속적으로 높일 수 있고. 3)사람이 눈으로 보지 못하는 농도까지 감지함으로써 개인간의 편차를 줄일 수 있으며, 4)데이터의 디지털화 및 실시간 연동이 가능하며, 5)연속적인 모니터링를 통해 질병의 악화/완화/격리여부 등을 판단할수 있고, 5)신변종 바이러스 진단 적용이 가능하며, 마지막으로 6)래피드키트 및 스마트폰의 기종에 상관없이 진단이 가능한 장점을 가지고 있다.

본 기술은 ㈜켈스에 기술 이전 되었으며, 앱/알고리즘 최적화 및 미국 식품의약국(FDA) , 한국 식약처 (KFDA)등의 승인/인증 프로세스등을 통해 사업화를 진행 예정이다. 이번 연구는 한국연구재단 바이오 의료기술개발사업의 지원을 받아 수행된 연구이며 (No.2021M3E5E3080743), Nature Portfolio에서 발간하는 세계 탑티어 논문인 네이쳐 커뮤니테이션즈 (Nature Communications IF: 17.69)에 게재되었다.

왼쪽부터 연구책임자 이정훈 교수(광운대), 이승민(박사과정), 김선목(박사과정), 윤대성 교수(고려대), 이기백 교수(광운대), 유용경 교수(가톨릭관동대)

왼쪽부터 연구책임자 이정훈 교수(광운대), 이승민(박사과정), 김선목(박사과정), 윤대성 교수(고려대), 이기백 교수(광운대), 유용경 교수(가톨릭관동대)

기술설명

본 연구팀이 개발한 스마트폰 AI 기술 (SMARTAI-LFA)는 객체 찾기 및 분류를 위한 두 단계의 CNN 모델 알고리즘 (YOLOv3와 ResNet-18)으로 구성되어 있으며, 다양한 훈련 데이터 확보, 데이터 증강 및 알고리즘 최적화를 통하여 민감도와 정확도를 확보하였다. 제시된 알고리즘을 통하여 블라인드 테스트(n=1,500)를 진행하였을 때에 AI를 통한 민감도가 일반인 민감도인 72%에 비해 100%로 크게 증대하는 결과를 얻었고, 필드 테스트에서 98% 이상의 정확도를 보였다.

해당 알고리즘은 YOLOv3을 통하여 스마트폰 이미지에서 키트를 찾은 후, 양/음성에 대한 정보를 담고 있는 테스트 라인 영역을  획득하고, 획득한 이미지를 ResNet-18에 전달하여 양/음성 판단 결과를 얻는다. 본 알고리즘의 우수성 중 하나는 키트 전체가 아닌 핵심적인 정보를 내포한 테스트 라인만을 입력값으로 사용하는데 있으며, 이를 통해 정확도(accuracy)가 74.8%에서 94.8%로 크게 증가하였다.

알고리즘을 훈련시키기 위해서 SARS-CoV-2 타겟 단백질(N proteins) 농도별로 획득한 8,914개의 표준 이미지 데이터 및 임상 샘플을 통해 얻은 8,005개의 임상 이미지 데이터 (총 16,919개의 데이터)를 이용하였다. 데이터를 생성 시 다중의 핸드폰 모델을 사용, 다양한 환경의 촬영/학습을 통해 외부 장치 없이 스마트폰만으로 진단/분석이 가능하도록 하였다. 일반인 그룹, 전문가 그룹, 그리고 스마트폰 AI 기술 (SMARTAI-LFA)의 블라인드 테스트(n=1,500) 결과 민감도가 72%, 83%, 100%로, AI 기술을 통해 압도적인 민감도 향상 결과를 도출하였다. 최적화된 알고리즘은 아마존 웹 서비스 (AWS) 클라우드에 이식되었으며, 스마트폰앱으로 사용될 수 있도록 하였고, 필드 테스트를 통하여 98%의 정확도를 얻었으며 Abbott, Sugentech 등을 포함한 다종(7종)의 래피드키트  적용을 통해 높은 정확도 (95%)및 민감도 (91%)를 확인함으로써 범용성을 입증하였다. 또한 양/음성을 구분하는 것을 넘어, 테스트 라인의 발색의 정도에 따른 감염 정도의 분류 가능성을 확인하였다. 래피드키드로 측정된 데일리 모니터링 결과는 RT-PCR의 추세와 일치하였으며, 이를 통해 질병의 악화/완화/회복기에 대한 알고리즘의 개발이 충분히 가능함을 입증하였다.

팬데믹, 엔데믹, 그리고 향후 신변종 감염병 뿐만 아니라 수백만건 이상 수행되는 현장 진단의 특성상 정확도(즉, 민감도 및 특이도)의 향상은 개별 환자의 관리/치료뿐 만 아니라 환자 격리/질병 통제 측면에서 큰 영향을 미치며, 이번 연구 결과를 통해 얻어진 SMARTAI-LFA는 전염병 진단에 있어 패러다임의 전환을 가져올것으로 기대된다.

스마트폰 AI 기술 (SMARTAI-LFA)을 활용한 진단기술 시스템과 알고리즘. 본 시스템을 적용함으로서, 단순히 키트를 스마트폰으로 촬영하는 것만으로도 초감도 현장진단이 가능함을 확인하였음. 블라인드 평가결과 민감도가 72% (일반인) 에서 100%로 크게 증가 하였으며, 진단 어려운 감염 초기의 민감도가 51% (일반인) 에서 91%로 크게 증가하는 것을 확인하였음. 시중 판매되는 스마트폰과 래피드 키트와 호환 및 진단이 가능함을 확인하였음. 향후 신변종 감염병의 조기 진단의 가능성과, 병의 진행 및 격리 등의 AI 기술 적용 가능성을 제시하였음.

스마트폰 AI 기술 (SMARTAI-LFA)을 활용한 진단기술 시스템과 알고리즘. 본 시스템을 적용함으로서, 단순히 키트를 스마트폰으로 촬영하는 것만으로도 초감도 현장진단이 가능함을 확인하였음. 블라인드 평가결과 민감도가 72% (일반인) 에서 100%로 크게 증가 하였으며, 진단 어려운 감염 초기의 민감도가 51% (일반인) 에서 91%로 크게 증가하는 것을 확인하였음. 시중 판매되는 스마트폰과 래피드 키트와 호환 및 진단이 가능함을 확인하였음. 향후 신변종 감염병의 조기 진단의 가능성과, 병의 진행 및 격리 등의 AI 기술 적용 가능성을 제시하였음.

ADVERTISEMENT
ADVERTISEMENT
ADVERTISEMENT
ADVERTISEMENT
ADVERTISEMENT