폐암 검진과 다중모달-다중작업 모델의 중요성
폐암은 암으로 인한 사망 원인 중 가장 높은 비율을 차지합니다. 저선량 컴퓨터단층촬영(LDCT)을 통한 폐암 검진은 2차원 흉부 방사선 촬영과 비교해 폐암 사망률을 20% 감소시키는 효과가 있습니다. 그러나 검진의 낮은 참여율과 높은 오탐률, 부족한 의료진 등 다양한 도전 과제가 존재합니다. 이를 해결하기 위해 인공지능(AI)이 검진의 효율성을 크게 향상시킬 수 있습니다.
- 2020년 전 세계적으로 약 180만 명의 신규 폐암 사례가 보고되었고, 이는 전 암 발생의 11.4%에 해당합니다.
- 2017년 미국에서는 6.1%의 성인이 LDCT를 통한 폐암 검진을 받은 것으로 나타났으며, 이는 검진 효과를 제대로 거두기에는 낮은 수치입니다.
- 폐암 검진의 참여율을 높이기 위한 다양한 캠페인과 교육 프로그램의 도입이 필요합니다.
M3FM: 다중모달-다중작업 모델의 도입
의료 다중모달-다중작업 기반 모델(M3FM)은 3D 저선량 CT를 활용하여 다양한 폐암 검진 작업을 수행합니다. 이 모델은 49종의 임상 데이터 타입과 17가지 관련 작업을 아우르는 대규모 데이터셋을 기반으로 구축되었습니다. M3FM은 다양한 데이터를 효율적으로 처리하며 폐암 및 심혈관 질환 사망 위험 예측을 각각 20%, 10% 향상시켰습니다.
- Multi-task learning은 텍스트 처리 및 영상 분류 등 다양한 분야에서 뛰어난 성능 향상을 보여주고 있습니다.
- M3FM의 개발은 Google의 DeepMind가 개발한 모델처럼 의료 데이터에 AI를 적용한 최신 연구 흐름을 반영합니다.
- M3FM의 성공적인 응용은 의료의 데이터 중심 접근 방향을 제시하며, 타 질병 검진에도 응용될 전망입니다.
데이터셋 구축과 모델의 구조
M3FM은 3D CT 영상과 임상 데이터를 포함한 다양한 모달 데이터를 처리합니다. 모델의 구조는 CT Vision Transformer(CTViT), 텍스트 변환기, 작업 인코더, 예측기로 이루어져 있습니다. 특히 CTViT는 여러 크기의 CT 영상을 인식하고, 각 작업에 특화된 특징을 추출합니다.
- 비슷한 AI 모델의 경우 수십 TB에 달하는 CT 스캔 데이터를 활용하여 학습합니다.
- 최근 Vision Transformer(ViT)의 발전은 영상 분석에서 CNN을 대체할 수 있는 가능성을 보여주며, 디지털 병리학에서 이미 활용되고 있습니다.
- 과거 CNN 기반의 모델들이 가지던 연산 복잡도 문제를 ViT를 통해 완화할 수 있다는 점에서 CTViT의 활용 가능성이 주목됩니다.
모델의 성능과 일반화 가능성
M3FM은 여러 작업에 걸쳐 기존 최첨단 모델보다 우수한 성능을 보입니다. 특히 다중작업 학습을 통해 모델의 일반화 능력이 향상되었으며, 이를 통해 다양한 임상 작업에 효과적으로 적용될 수 있습니다. 이로써 M3FM은 다양한 의료 데이터 조합을 통해 다중작업 수행이 가능함을 증명합니다.
- Stanford University의 연구에 따르면, 다중작업 학습은 한 작업에 집중할 때보다 평균 30% 이상의 성능 향상을 기대할 수 있습니다.
- M3FM의 일반화 성능 향상은 실제 임상 환경에서 미리 정의되지 않은 새로운 작업에 적응하는 데 기여할 수 있습니다.
- 이러한 모델의 응용은 다양한 의료 부문에서의 협력 및 데이터 활용을 극대화하여 의료 서비스의 질을 높입니다.
향후 발전 가능성과 한계점
M3FM은 현재의 제한점을 극복하고, 더 많은 임상 작업을 포함하여 확장될 수 있는 가능성을 보유하고 있습니다. 다만, 실시간 임상 워크플로우에 통합되기 위해서는 추가적인 임상 시험과 규제 승인이 필요합니다. 이를 통해 M3FM은 향후 의료 인공지능의 발전에 기여할 수 있을 것입니다.
- 실시간 임상 애플리케이션은 데이터 처리 시간과 정확도가 중요한데, M3FM 모델의 계산 속도는 이러한 요구를 충족할 수 있도록 최적화가 필요합니다.
- 현재 의료 AI 모델의 임상 적용을 위한 FDA, EMA 등의 규제 가이드라인을 참고하여 M3FM의 임상 통합 전략을 수립해야 합니다.
- 향후 연구는 다양한 사용자 환경에서의 성능 테스트 및 인종과 지역에 따른 데이터 편향 문제를 해결하는 데 집중할 필요가 있습니다.
출처 : 원문 보러가기
