의료 인공지능 전문기업 딥노이드가 제50차 대한암학회 학술대회(KCA 2024)에서 최우수 포스터상(Best Poster Award)을 수상했다고 21일 밝혔다.
딥노이드가 발표한 포스터는 다중 인스턴스 학습(MIL; Multiple Instance Learning)에 기반한 신세포암종(RCC)의 유형 분류 방법에 대한 연구다. 본 연구사업의 주관기관인 가톨릭대학교 의정부성모병원을 비롯해 10개 기관에서 수집한 7000장 이상의 전체 슬라이드 이미지(WSIs)를 활용해 학습됐다. 이는 현재까지 국가 단위 데이터 세트로는 가장 큰 규모라는 게 회사 측의 설명이다.
본 모델을 통해 신세포암종을 분류할 경우 정확도(ACC)는 97.0%, 수치가 클수록 분류 성능을 높게 평가하는 AUC는 0.987, F1 Score는 97.0%의 성능을 보였다. F1 Score는 머신러닝 모델의 성능을 평가하는 지표 중 하나로, 높을수록 예측이 정확하다고 판단한다.
이번 연구에 참여한 딥노이드 AI연구소 윤홍준 팀장은 “전체 조직 슬라이드 라벨만으로도 유의미한 성과를 달성할 수 있음을 입증했다”며 “이러한 결과는 실제 임상 현장에서 사용했을 때, 신세포암 진단의 정확성과 효율성을 개선하는 데 도움을 줄 수 있을 것”이라고 말했다.
딥노이드가 발표한 포스터는 다중 인스턴스 학습(MIL; Multiple Instance Learning)에 기반한 신세포암종(RCC)의 유형 분류 방법에 대한 연구다. 본 연구사업의 주관기관인 가톨릭대학교 의정부성모병원을 비롯해 10개 기관에서 수집한 7000장 이상의 전체 슬라이드 이미지(WSIs)를 활용해 학습됐다. 이는 현재까지 국가 단위 데이터 세트로는 가장 큰 규모라는 게 회사 측의 설명이다.
본 모델을 통해 신세포암종을 분류할 경우 정확도(ACC)는 97.0%, 수치가 클수록 분류 성능을 높게 평가하는 AUC는 0.987, F1 Score는 97.0%의 성능을 보였다. F1 Score는 머신러닝 모델의 성능을 평가하는 지표 중 하나로, 높을수록 예측이 정확하다고 판단한다.
이번 연구에 참여한 딥노이드 AI연구소 윤홍준 팀장은 “전체 조직 슬라이드 라벨만으로도 유의미한 성과를 달성할 수 있음을 입증했다”며 “이러한 결과는 실제 임상 현장에서 사용했을 때, 신세포암 진단의 정확성과 효율성을 개선하는 데 도움을 줄 수 있을 것”이라고 말했다.