서울아산병원, 피부색 변환 AI 개발…피부종양 진단 성능 개선

[마이데일리 = 이호빈 기자] 서울아산병원 연구팀이 피부 병변의 형태를 유지하면서 피부색만 변환하는 인공지능(AI) 기술을 개발해 피부질환 진단 성능을 높였다.

서울아산병원은 융합의학과 김남국 교수와 피부과 김경훈 레지던트, 문익준 피부과 전문의 연구팀이 밝은 피부 환자의 피부 병변 형태를 보존하면서 피부색만 어둡게 변환하는 생성형 AI 기술을 개발했다고 8일 밝혔다.

의료 AI는 학습에 사용되는 데이터의 양과 다양성에 따라 진단 성능이 달라질 수 있다. 특히 피부질환 진단 AI는 밝은 피부 환자의 임상데이터를 중심으로 학습돼 피부색에 따라 진단 정확도에 차이가 발생할 수 있다는 문제가 제기돼 왔다.

현재 피부질환 AI 학습에 활용되는 임상데이터는 밝은 피부에 집중돼 있으며, 어두운 피부 환자의 데이터는 상대적으로 부족하다. 조직검사를 통해 확진된 어두운 피부 환자의 임상데이터는 확보하기가 더욱 어려운 상황이다.

이에 연구팀은 실제 밝은 피부 환자의 임상데이터를 기반으로 병변 형태는 유지하면서 피부색만 어둡게 변환하는 ‘피부유형 변환 네트워크(STTN)’를 개발했다.

연구팀은 1만6707개의 임상데이터로 STTN을 학습시킨 뒤 생성된 사진이 실제 사진과 얼마나 유사한지 평가했다.

피부과 전문의 19명과 다른 진료과 의사 12명, 비의료인 11명 등 총 42명이 참여한 블라인드 평가에서 실제 사진과 AI 생성 사진을 구별한 평균 정확도는 49.7%로 나타났다. 무작위 추측과 비슷한 수준으로, 평가자들이 두 사진을 쉽게 구별하지 못했다는 의미다.

이어 연구팀은 밝은 피부 사진만으로 학습한 기존 AI 모델과 STTN이 생성한 어두운 피부 사진을 추가로 학습한 모델의 진단 성능을 비교했다.

그 결과 양성·악성 피부종양 구별 성능을 나타내는 AUC(곡선하면적)는 기존 모델 0.56에서 STTN 데이터를 추가한 모델 0.66으로 향상됐다. 민감도와 특이도 역시 개선됐으며, 밝은 피부에서의 진단 성능도 유지됐다.

연구팀은 이번 연구가 피부색에 따른 의료 AI의 진단 성능 격차를 줄일 가능성을 제시했다고 설명했다. 실제 임상데이터를 단기간에 충분히 확보하기 어려운 상황에서 생성형 AI로 부족한 데이터를 보완할 수 있다는 것이다.

김남국 서울아산병원 융합의학과 교수는 “임상 현장에서 인공지능을 많이 활용할수록 인공지능의 공정성이 중요한 문제가 되고 있다”며 “인종이나 피부색, 성별, 나이 등에 따라 정확도가 달라지지 않는 공정한 인공지능을 개발하기 위해 노력하겠다”고 말했다.

아프리카 에티오피아 연구진이 함께 참여한 이번 연구 결과는 피부과 분야 국제학술지 ‘피부과학 연구저널(Journal of Investigative Dermatology)’에 최근 게재됐다. 연구팀은 생성한 합성 데이터와 코드를 온라인에 공개했다.