ㅇ 최근 환경적, 유전적 요인 및 야외활동 확산, 고령화 등으로 인해 피부암을 비롯한 피부 질환들이 지속적으로 증가하고 있으며, 환자의 의료비 부담이 증가하고 있어 피부질환진단에서 높은 정확도를 가지는 인공지능 기술이 요구되고 있음. 특히, 해외에서는 피부암(흑색종)의 경우 조기 진단시 쉽게 치료가 가능하지만, 전이발생시 5년생존율이 악화되어 빠른 진단과 치료가 요구됨
ㅇ 본 기술은 딥러닝 기술을 이용하여, 국내외 피부질환 영상 특히, 더모스코피 및 임상 영상 DB ( 국내외 70,000여장, 540Gbyte)를 구축하고 이에 대한 전처리 및 학습을 통해 피부질환 분류 인공지능 신경망 (Skin Deep Neural Network)을 구성하고, GUI를 통해 피부영상을 진단(분류)할 수 있는 인공지능 기술임
ㅇ 본 기술은 피부과 전문의 수준의 진단과 향후 스마트폰 또는 Web으로 확장이 가능하며, 개인에 따른 의료접근성이 높아져 향후 피부암 조기진단 및 치료에 적용 기대
ㅇ 최근 인공지능기술이 발전함에 따라 인공지능을 활용하여 조기에 피부암 및 피부질환 진단을 하고자 하는 노력이 진행되고 있음. 이는 피부질환의 진단에 있어 가장 중요한 도구는 의사의 눈이지만, 피부질환마다 피부에 나타나는 피부병변의 모양과 배열이 다르고 분포하는 범위에 차이를 보이는 경우가 많기 때문에 의료진의 능력에 따라 오독율이 존재
- 질환분석의 정량화 측면에서, 피부과 전문의와 일반의의 기량차이로 인해 동일한 질환에서 다른 진단이 내려지는 경우도 많을 뿐만 아니라 흔한 피부질환의 경우 낮은 특이도(Specificity)를 보이는 경우가 존재
- 초기 흑색종의 경우, 육안에만 의존할 때 다른 질환과 구별이 어려워 불필요한 생검(Biopsy)로 인해 의료비가 증가
ㅇ 피부암은 평균수명의 증가, 과도한 자외선 노출, 진단방법의 발전등으로 인해 세계적으로 증가 추세이며, 국내 피부암 발생율도 최근 10년간 2배이상 증가
- Skin Cancer foundation에 의하면, 미국인 5명중 1명은 70대 이전에 피부암이 발병하며, 매 시간2명이상이 피부암으로 인해 사망. 멜라노마(피부암)의 경우 조기 발견시 5년 생존율은 99%에 달하므로 조기 진단이 중요
- 국내에서는 표피 각질형성세포에서 유래하는 편평세포암과 기저세포에서 유래하는 기저세포암, 멜라닌세포에서 유래하는 악성흑색종의 발생율이 높고 조기발견시 완치율이 높음
ㅇ 한국형 피부질환 및 실제 피부질환자를 대상으로 한 인공지능 피부질환 진단 기술 개발 요구
- 2017년에서는 스탠포드 대학 및 2018년 국내 아산병원에서는 Googlenet 및 Resnet을 이용하여 피부전문의 수준의 진단이 가능함을 발표. 그러나, 사용된 DB로 해외 백인 및 흑인의 의료영상임에 따라 한국인의 피부질환 특성을 반영하지 못하는 문제와 피부질환의 수에서도 차이가 존재
ㅇ 본 기술이전은 피부암을 비롯한 국내외 피부질환 (7종)의 DB구축 및 이를 통해서 학습된 인공지능 및 GUI를 통해 실제 환자의 피부영상에 대해 조기진단이 가능하도록 하는 기술로서 본 기술을 통해 피부전문의 수준의 피부질환 진단이 가능
(1) 기술의 정의
ㅇ 피부암을 비롯한 국내외 피부질환 영상 DB를 구축하고, 이를 통해 구현된 딥러닝 기술을 이용하여 피부질환 영상진단이 가능하도록 하는 DSN(Deep Skin Neural Network) 모델과, GUI를 통해 손쉽게 피부영상 및 메타데이터을 저장, 인공지능 진단(추론), 결과확인이 가능한 “피부질환 진단보조 인공지능 플랫폼 기술”임
- 본 기술은 질환 분류(Lesion Classification) 및 질환 분할(Lesion Segmentation)을 학습하고 추론하는 인공지능 네트워크 기술과 피부전문의가 사용할 수 있도록 환자정보, 피부영상 등을 입력하고 평가결과를 출력하는 사용자 GUI로 구성됨
(2) 기술의 특징
ㅇ Transfer learning 기반의 9종의 피부질환 분류 및 RCNN 기반의 질환 분할
- 피부암(Melanoma), 기저세포암 (Basal Cell Carcinoma), 편평세포암(Squamous Cell Carcinoma), 광선각화증(Actinic Keratosis), 양성각화증(Benign Keratosis), 피부섬유종(Dermatofibroma), 피부혈관종(Vascular lesion), 반점(Nevus), 손발톱무좀 등 9종
ㅇ MongoDB 기반 피부영상 DB 구축 ( 21종 70,000 Case 피부질환 영상)
ㅇ 의료진 입력 편의성 및 빠른 결과 확인이 가능한 GUI
ㅇ 전문의 평가를 통한 민감도, 특이도 개선
ㅇ 필요시 원격지 DB 및 추론 서버 운용 가능
(3) 기술의 구성
ㅇ 피부질환 진단을 위한 DSN(Deep Skin Neural Network) 알고리즘
(피부영상 입력 알고리즘, 영상 전처리, 학습네트워크, 후처리, 영상 평가 등)
ㅇ 영상 정보 및 환자정보 입력, 결과 확인, DB 연동 등을 위한 GUI
ㅇ 원격지 DB 및 추론 서버 연동을 위한 SW 인터페이스
(4) 기존(선행)기술 대비 장점
ㅇ 국내 피부질환자의 영상 DB 구축을 통한 국내 피부질환자 영상진단 가능
ㅇ 인공지능 진단의 민감도(Sensitivity) 및 특이도 (Specificity) 개선
ㅇ 기존 Binary (양성/음성) 진단 대비 8종의 피부질환 진단 가능
ㅇ 손쉬운 환자 및 영상정보 입력, 추가적인 의료정보 입력가능
(5) 기존(선행)기술 대비 단점
ㅇ 한국형 피부질환 데이터 셋의 추가확보 필요
ㅇ 웹 또는 모바일 서비스 적용시, 추가 기술 개발 필요
ㅇ 실제 피부질환자에 대한 정량적 평가 및 인공지능 상용화시 임상 및 인증 필요
본 기술은 두가지 기술로 구성됨
1. (기술 1) 피부질환진단보조 인공지능 플랫폼 기술
ㅇ 피부질환 진단 보조 인공지능을 위한 학습 데이터셋 및 DB 구축
ㅇ 피부질환 진단 보조 인공지능 알고리즘
- 의료영상 및 메타데이터 기반 딥러닝 네트워크 학습 및 평가 알고리즘
- 데이터획득, 데이터 Annotation, Data Augmentation등 딥러닝 영상전처리 알고리즘
- 피부질환 평가방법, 최적 학습 방법 등
ㅇ 피부질환 진단 보조 인공지능을 GUI 소스코드 및 Software
2. (기술 2) 피부진단 인공지능 플랫폼 기술
ㅇ 피부질환 진단 인공지능 기술을 위한 추가 학습 데이터셋 및 DB 구축
ㅇ 민감도와 특이도가 개선된 9종 피부질환 진단 보조 인공지능 알고리즘
- 의료영상 및 메타데이터 기반 딥러닝 네트워크 학습 및 평가 알고리즘
- 데이터획득, 데이터 Annotation, Data Augmentation등 딥러닝 영상전처리 알고리즘
- 피부질환 평가방법, 최적 학습 방법 등
1. (기술 1) 피부질환진단보조 인공지능 플랫폼 기술
ㅇ 요구사항정의서 1건
ㅇ 시험절차 및 결과서 1건
ㅇ 알고리즘 관련 기술문서 5건
ㅇ 특허 1건
ㅇ AI알고리즘 및 GUI SW 3종
2. (기술 2) 피부진단 인공지능 플랫폼 기술
ㅇ 요구사항정의서 1건
ㅇ 시험절차 및 결과서 1건
ㅇ 알고리즘 관련 기술문서 5건
ㅇ 특허 1건
ㅇ AI알고리즘 및 GUI SW 2종
ㅇ 노령화 사회가 근접함에 따라 피부질환의 중요성을 커지고 있으며, 피부과에서도 디지털 더모스코피의 사용이 확대됨에 따라 영상분석을 통한 시장선점이 가능
ㅇ 피부질환 진단보조 인공지능 분석기술을 통해 불필요한 생검(biopsy)를 줄이고, 전문의 진단수준으로 일반의/응급의의 진료오류를 줄일 수 있을 것으로 기대됨
- 특히, 흑색종 등 악성 피부질환에 대해 조기 진단으로 5년 생존율 제고
ㅇ 향후 피부질환 수의 확대 및 피부과 의료영상 진단 지원 시스템으로 개발을 통해 피부 미용 진단 및 관리 기술을 통합하여 해외 피부암 진단 시장 진출 가능