인공지능 딥러닝 기반 진폐증 진단보조 프로그램

진폐는 폐에 분진이 침착하여 폐 조직 반응이 일어난 상태를 말한다. 현재 진폐에 대한 최종 심의는 근로복지공단의 진폐심사실에서 수행된다. 하지만, ILO classification을 기준으로 한 진폐증 판정에 대한 판정 일치율은 높지 않다. 따라서, 본 연구는 진폐 판정 및 진단에 필요한 인공지능 딥러닝 알고리즘을 개발 및 평가하고, 질환 판정에 보조적인 방법으로써 활용할 수 있도록 한다. 서울성모병원에서 2011년 5월부터 2017년 3월까지 진폐를 검증 또는 기존 진폐 판정자들 영상 1260매와 한국진폐표준디지털영상(KoSDI) 120매 총 1380매와 진폐가 아닌 영상 1120매를 활용하였다. 획득된 영상을 분석하기 위하여, 448x448 해상도, Convolutional Neural Network기반 모델인 Inception V1 및 VggNet16로 분류 모델 개발을 진행하였다. 이후 모델을 학습을 개선할 수 있는 방안으로, batch normalization 및 dropout을 적용하였다. 정상 vs 진폐(1형이상) binary classification을 진행하여, 최종적으로 정확도를 평가하였다. 정확도는 Inception V1의 경우 95%의 정확도를 보였으나, VggNet16의 경우 91.59% (±3.59% CI; sensitivity 93.75%, specificity 90.62%)였다. 인공지능 모델이 영상을 확인 후 평가하였던 부위를 파악하기 위하여 Gradient-weighted Class Activation Mapping (Grad-CAM)모델을 적용하였다. Grad-CAM모델을 활용해 VggNet16모델의 각각의 convolution layer를 평가하여 진폐의 특징적인 결절에서 반응하는 것을 확인하였다. 본 모델은 진폐 판정시 1차 Screening을 수행할 경우 효율적인 판정에 기여할 수 있을 것으로 사료된다. 이 성과는 2017년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. 2017R1C1B1004010).