의료현장에서 촬영한 X-ray, CT, MRI와 같은 데이터들로 의사들의 진단을 돕는 소프트웨어인 진단보조소프트웨어 출시가 이어지고 있는 가운데, 절대다수의 인공지능이 선택한 학습방법은 합성곱신경망(Deep Convolutional Neural Network, CNN)으로 나타났다.

18일 기준 식품의약품안전처 의료기기 품목허가 목록 중 질병 '보조소프트웨어'로 등록된 72개 제품 중 허가사항이 공개된 53개 제품은 대부분 합성곱 신경망을 딥러닝 알고리즘으로 활용하고 있는 것으로 확인됐다.

컴퓨터가 데이터를 학습하는 기술인 딥러닝은 △합성곱 신경망(Convoultional Neural Network, CNN) △순환 신경망(Recurrent Neural Network, RNN) △심층 신경망(Deep Neural Network, DNN) △심층 신뢰 신경망(Deep Belief Network, DBN) △제한 볼츠만 머신(Restricted Boltzmann Machine, RBM) 등으로 구분된다.

이들은 모두 생물 신경망에 착안해 구현된 컴퓨팅 시스템으로 인간의 뇌가 패턴을 인식하는 방식을 학습기법들로 시각, 청각 데이터를 퍼셉트론이나 분류, 군집을 이용해 이미지나 소리, 문자 등에서 특정 패턴을 인식하는 방법이다.

허가사항에 따르면 국내 검출·진단보조소프트웨어는 합성곱 신경망, 순환 신경망을 활용하고 있는 것으로 나타났다.

진단보조소프트웨어들 대부분이 합성곱 신경망을 사용하는 이유는 이 소프트웨어들 대부분이 의료영상장치를 활용한 영상 이미지를 활용하기 때문이데, 합성곱 신경망은 사물 이미지 인식, 음성 인식 등에 주로 사용되는 학습법이기 때문이다.

사람의 눈(시각 피질) 안에 있는 뉴런은 각 뉴런이 인식하는 범위와 색 만큼만 사물을 인식하고 이를 통합해 사물을 판독하게 되는데, 합성곱 신경망은 이 뉴런의 역할을 컴퓨터가 해석할 수 있는 데이터로 환산해 학습을 진행한다는 의미다.

AI 학습을 위한 데이터는 크게 △병변의 유무 △병변의 위치를 추론할 수 있는 형태로 구성돼 있다.

먼저 특정 영상과 영상 내 병변 유무만을 정답으로 입력한 데이터를 CNN에 학습시킨다. 또 같은 영상을 사용하되 이번에는 영상 내 병변의 위치를 정답으로 입력한 데이터를 학습시키는데, 이같은 데이터로 학습한 AI는 추후 새로운 영상에서 병변의 유무와 위치를 추론할 수 있게 된다.

즉, 알고리즘 성능은 모든 인간의 인체구조가 다른 만큼  얼마나 많은 유형의 데이터에 노출되는가에 따라 향상된다.

이외에도 사용되는 알고리즘은 순환 신경망(recurrent neural network, RNN)이다. 순차적인 데이터 패턴 학습에 강점을 보이는 알고리즘으로 보통 주가 예측, 자동 번역기 등에서 사용된다.

RNN은 딥바이오의 전립선암 병리조직진단보조소프트웨어 허가사항에서 확인됐다. 'DeepDx-Prostate Pro'는 전립선 조직생검 데이터를 학습한 인공지능으로 전립선암은 진단 과정에서 정성적인 특성으로 병리학자마다 조직학적 등급(위험도에 따라 1~5등급, PSA 분류)에 다른 견해를 보이는 만큼 CNN과 RNN을 결합한 심층인공신경망이 활용되고 있다.