인공지능이 코로나19 진단·치료 돕는다...국내외 연구·개발 성과는

구글, '침습적 인공호흡' AI로 하는 법 소개...코로나19 치료법에 사용
국내외 기업·기관, 코로나19 진단 기술 개발 중
6초간 숨 내쉬면 30초안에 코로나 감염 여부 판별
알고리즘으로 무증상 감염자 선별

 

구글이 딥러닝 기반 알고리즘 설계로 ‘침습적 인공호흡(invasive ventilation)’을 자동으로 조절하는 시스템을 17일 공식 블로그에서 소개했다. (사진=구글블로그)

머신러닝(ML)으로 인공호흡기 시스템을 자동화하는 기술이 나왔다. 인공 폐 신호로 기도압을 측정하고 기류에 필요한 조정을 계산하는 제어 알고리즘으로 작동한다. 의료진의 수동 조정보다 시간과 에너지를 줄일 수 있다. 특히 코로나19 치료에 사용하는 '침습적 인공호흡 시스템(invasive ventilation)'에 유용할 전망이다.

 

구글이 딥러닝 기반 알고리즘 설계로 침습적 인공호흡을 자동으로 조절하는 시스템을 17일 공식 블로그에서 소개했다. 침습적 인공호흡이란 기관내 삽관, 기관절개술 등 기관지에 호흡 기구를 집어넣어 기계식 호흡을 가능하게 하는 방식이다. 

 

지금까지 의료진은 침습적 인공호흡기에 의존하는 환자의 폐 변화에 대해 각별한 주의를 기울여야 했다. 환자에 맞는 파형(wave form)을 맞춰야 해서다. 인공호흡기 성능을 환자 건강 상태와 맞추지 않으면 폐 손상을 초래할 수 있다. 

 

해당 연구는 인공 폐의 신호로 기도압을 측정한다. 그 후 규정된 값과 일치하기 위해 기류에 필요한 조정을 계산하는 제어 알고리즘을 설계한다. (영상=구글 블로그)

구글 연구진은 침습적 인공호흡기 제어 개선을 위한 딥러닝 기반 알고리즘 설계 연구를 진행했다. 해당 연구는 인공 폐의 신호로 기도압을 측정한다. 그 후 규정된 값과 일치시키기 위해 기류에 필요한 조정을 계산하는 제어 알고리즘을 설계한다.

 

해당 기술은 '모델 기반 접근 방식'을 채택해 인공호흡기-환자 동적 시스템인 DNN 기반 시뮬레이터를 학습했다. 기존 모델에 비해 더 정확한 데이터로 작동한다. ‘제어기 연구(controller research)’ 분야에서선호하는 방식이기도 하다.

 

실험 결과 호흡 파형을 추적하는 성능은 목표 압력 파형과 실제 압력 파형 사이에 22% 낮은 평균 절대 오차(MAE)를 보였다. 두 파형 사이 평균 절대오차(MAE)에서 최대 32% 더 나은 성능을 보였다. 환자 호흡 상태가 변하는 경우 의료진이 수동 개입할 필요가 그만큼 준다는 의미다. 훨씬 적은 훈련 샘플과 작은 하이퍼파라미터(Hyper Parameter) 검색 공간에서 안정적인 결과를 달성한다는 것도 확인했다.

 

AI 활용한 코로나19 진단 개발 동향은

---

필립스-메디사이즈(Phillips-Medisize)가 SOTECH 헬스와 협력해 30초 안에 코로나19를 검사할 수 있는 호흡 센서 시스템을 개발한다고 밝혔다. (사진=셔터스톡, 편집=김동원 기자)

코로나19 치료방법이 발전해도 바이러스를 발견하지 못하면 무용지물이다. 최근 인공지능(AI)을 활용한 코로나19 조기 발견 연구도 한창이다. 미국에서는 6초 동안 숨을 내쉬면 30초 안에 코로나19 진단을 받는 기술이 개발 중이다. 그리스에서는 알고리즘을 이용해 코로나19 무증상 감염자까지 찾는 논문이 소개됐다. 국내 연구진은 CT에서도 잡지 못하는 미세한 부분까지 AI로 잡는 연구를 소개했다

 

몰렉스(Molex) 계열사이자 약물 전달·진단·의료 기술 기기 업체인 필립스-메디사이즈(Phillips-Medisize)가 AI 기반 코로나19 진단 기술 개발에 나선다. 의료진 도움 없이 스스로 30초 안에 코로나19 감염 여부를 알 수 있는 기술이다.

 

필립스-메디사이즈는 미국 댈러스에 본사를 둔 의료 스타트업 SOTECH 헬스와 협력해 코로나19를 검사할 수 있는 호흡 센서 시스템을 개발한다고 지난 14일 밝혔다. 휴대용 호흡 분석기의 일회용 마우스피스에 6초 동안 숨을 내쉬기만 하면 감염 여부를 알 수 있는 점이 특징이다.

 

알고리즘 에바(Eva)는 모아둔 탑승객 정보와 과거 승객 검사 결과를 가지고 여행자별 코로나 유병률을 측정한다. 이를 바탕으로 누구를 검사해야 하는지 직접 선별한다. 에바가 고른 입국자는 최대 2일 자가 격리한다. 그동안 의료진은 코로나 검사를 진행한다. (사진=네이처)

작년 9월 네이처(Nature)지는 알고리즘 ‘에바(Eva)’로 코로나 무증상 감염자를 기존 방식보다 최대 4배 더 많이 찾을 수 있는 연구를 발표했다. 에바는 AI 강화학습(Reinforcement learning) 알고리즘이다. 인구통계학적 정보와 코로나 검사 결과 데이터를 수집해 훈련했다. 모아둔 정보를 바탕으로 누구를 검사해야 하는지 직접 선별한다.

 

해당 연구는 그리스 전역에 있는 공항, 국경 검문소(land crossing), 항구에서 2020년 8월 6일부터 11월 1일까지 실시됐다. 결과에 따르면 모든 입국자들을 검사하는 무작위 테스트(Random testing) 보다 약 2배 더 많은 무증상 감염자를 선별했다. 여행 성수기에는 2~4배 더 많이 찾았다. 단순 역학 조사만 하던 방법보다는 1.25~1.45배 더 많은 무증상 감염자를 선별했다.

 

해당 연구는 함사 바스타니(Hamsa Bastani) 미 펜실베이니아 대 와튼스쿨 정보운영처리학과 교수와 키몬 드라코풀로스(Kimon Drakopoulos) USC 마셜 비즈니스스쿨 데이터사이언스학과 교수가 주도했다.

 

다중인스턴트학습(Multiple Instance Learning)을 통한 코로나 바이러스 분류 딥러닝 모델 구조. (사진=DGIST)

DGIST(총장 국양) 로봇공학전공 박상현 교수팀은 작년 9월 3차원 CT 영상으로  AI가 코로나 바이러스를 분류할 수 있는 딥러닝 모델을 선보였다. 단순한 세균성폐렴과 코로나 바이러스를 98.6% 정확도로 구분할 수 있는 게 주요 특징이다.

 

해당 모델은 여러 사례를 종합적으로 고려해 최종 결정을 내릴 때 사용하는 다중인스턴트학습(Multiple Instance Learning)을 적용했다. CT 영상에서 폐렴 병변들의 위치를 집중적으로 확인할 수 있는 어텐션 모듈로 성능도 올렸다. 비지도 학습 기반인  대조 학습(Contrastive Learning)으로 환자별 특징 추출 분류 기능까지 개선했다. 

 

연구를 주도한 박상현 DGIST 로봇공학과 교수는 지난해 <AI타임스>와 진행한 서면 인터뷰에서 "다양한 병원에서 수집한 데이터로 검증할 필요가 있다"며 "다양한 데이터에서도 높은 정확성을 보이면 상용화할 수 있다"고 설명했다.

 

AI타임스 김미정 기자 kimj7521@aitimes.com

 

Copyright © '인공지능 전문미디어' AI타임스 (http://www.aitimes.com/)
무단전재 및 재배포 금지

 

인공지능이 코로나19 진단·치료 돕는다...국내외 연구·개발 성과는 - AI타임스