의료 영상 분석을 위한 혁신적 AI 도구 ‘ScribblePrompt’ 개발

의료 영상 분석 분야에서 인공지능(AI) 기술이 새로운 지평을 열고 있다. 최근 매사추세츠 공과대학(MIT)과 매사추세츠 종합병원(MGH) 연구진이 개발한 ‘ScribblePrompt’는 의료 영상 분할 작업을 빠르고 정확하게 수행할 수 있는 혁신적인 대화형 AI 도구로 주목받고 있다. 이 도구는 다양한 의료 영상에 범용적으로 적용 가능하며, 사용자와의 직관적인 상호작용을 통해 복잡한 분할 작업을 효과적으로 수행할 수 있다는 점에서 기존 모델들과 차별화된다.

ScribblePrompt의 가장 큰 장점은 특정 신체 부위나 영상 유형에 국한되지 않고 다양한 의료 영상에 적용할 수 있다는 점이다. 연구진은 이러한 범용성을 확보하기 위해 77개의 공개 의료 영상 데이터셋을 활용해 모델을 훈련시켰다. 이 데이터셋은 54,000개 이상의 스캔 영상, 16가지 영상 유형, 그리고 711개의 레이블을 포함하고 있어, 모델이 다양한 의료 영상 분할 작업을 학습할 수 있었다. 이러한 광범위한 학습 데이터는 ScribblePrompt가 새로운 유형의 의료 영상이나 이전에 접하지 않은 레이블에 대해서도 높은 일반화 능력을 갖출 수 있게 해주었다.

ScribblePrompt의 핵심 특징은 사용자와의 상호작용을 통해 직관적으로 분할 작업을 수행할 수 있다는 점이다. 사용자는 관심 영역에 단순히 클릭하거나 스크리블(낙서)을 그리는 등의 간단한 상호작용으로 AI 모델에 분할 지시를 내릴 수 있다. 이러한 방식은 특히 복잡한 의료 영상에서 특정 구조나 병변을 정확하게 분할해내는 데 매우 효과적이다.

예를 들어, 사용자가 뇌 MRI 영상에서 특정 부위를 분할하고자 할 때, 해당 영역 주변에 간단한 스크리블을 그리면 ScribblePrompt는 이를 기반으로 전체 영역을 자동으로 분할한다. 만약 결과가 만족스럽지 않다면, 사용자는 추가적인 클릭이나 스크리블을 통해 결과를 즉시 수정할 수 있다. 이러한 대화형 접근 방식은 의료 전문가들이 자신의 전문 지식을 AI 시스템에 효과적으로 전달할 수 있게 해준다.

연구팀은 ScribblePrompt의 성능을 평가하기 위해 다양한 실험을 진행했다. 먼저, 수동으로 수집한 스크리블 데이터셋을 활용한 실험에서 ScribblePrompt는 기존의 최신 의료 영상 분할 모델들보다 높은 정확도를 보여주었다. 특히 훈련 데이터에 포함되지 않은 새로운 레이블이나 영상 유형에 대해서도 뛰어난 일반화 능력을 입증했다.

시뮬레이션된 상호작용을 활용한 실험에서도 ScribblePrompt는 일관되게 우수한 성능을 보였다. 다양한 상호작용 시나리오(예: 중심점 클릭, 무작위 클릭, 스크리블 등)에 대해 기존 모델들과 비교했을 때, ScribblePrompt는 모든 경우에서 더 높은 다이스 계수(Dice score, 분할 정확도 측정 지표)를 기록했다.

연구팀은 실제 사용 환경에서의 ScribblePrompt의 성능을 평가하기 위해 16명의 신경영상 연구자들을 대상으로 사용자 연구를 실시했다. 참가자들은 ScribblePrompt와 기존의 Segment Anything Model(SAM)을 사용하여 9개의 서로 다른 분할 작업을 수행했다.

연구 결과, ScribblePrompt를 사용했을 때 분할 작업 시간이 평균 28% 감소했으며, 다이스 계수는 15% 향상되었다. 또한, 참가자들의 93.8%가 ScribblePrompt가 SAM보다 스크리블 입력에 대한 반응성이 더 좋다고 평가했으며, 87.5%는 클릭 입력에 대해서도 ScribblePrompt를 선호한다고 응답했다.

이러한 결과는 ScribblePrompt가 단순히 기술적인 성능뿐만 아니라 실제 사용자 경험 측면에서도 기존 도구들보다 우수하다는 것을 보여준다. 특히, 다양한 유형의 입력(스크리블, 클릭, 경계 상자 등)을 효과적으로 처리할 수 있는 능력과 사용자의 수정 요청에 대한 빠른 응답성이 높은 평가를 받았다.

ScribblePrompt의 핵심 기술은 크게 두 가지로 나눌 수 있다. 첫째, 다양한 유형의 사용자 상호작용을 효과적으로 시뮬레이션하는 알고리즘이다. 이 알고리즘은 스크리블, 클릭, 경계 상자 등 다양한 입력 방식을 모델링하여 훈련 데이터를 생성한다. 둘째, 합성 레이블을 생성하는 메커니즘이다. 이 기술은 모델이 특정 분할 작업에 과적합되는 것을 방지하고, 새로운 유형의 분할 작업에 대한 일반화 능력을 향상시킨다.

구현 면에서 ScribblePrompt는 두 가지 버전으로 제공된다: ScribblePrompt-UNet과 ScribblePrompt-SAM. ScribblePrompt-UNet은 효율적인 완전 합성곱 신경망(Fully Convolutional Network) 구조를 사용하여 빠른 추론 속도를 제공한다. 반면 ScribblePrompt-SAM은 Segment Anything Model(SAM)의 아키텍처를 기반으로 하여 더 복잡한 분할 작업에 적합하다.

ScribblePrompt의 개발은 의료 영상 분석 분야에서 AI 기술의 실용적인 적용 가능성을 보여주는 중요한 사례로 평가받고 있다. 이 도구는 현재 오픈소스로 공개되어 있어 누구나 사용해볼 수 있으며, 연구팀은 지속적인 개선을 통해 ScribblePrompt의 성능을 더욱 높이고 다양한 의료 분야에서의 활용을 확대할 계획이다.

ScribblePrompt와 같은 혁신적인 AI 도구의 등장은 의료 영상 분석의 효율성과 정확성을 크게 향상시킬 수 있는 잠재력을 보여준다. 향후 임상 현장에서의 실제 적용을 통해 의료진의 업무를 효과적으로 지원하고, 궁극적으로는 환자 진단의 질을 높이는 데 기여할 것으로 기대된다. 또한, 이러한 기술의 발전은 의료 AI 분야에서의 새로운 연구 방향을 제시하고, 더욱 진보된 대화형 의료 영상 분석 도구의 개발을 촉진할 것으로 전망된다.

‘스크리블프롬프트’에 대한 자세한 정보는 링크에서 확인할 수 있다.

본 기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다. 

관련 콘텐츠 더보기