에어스메디컬, RSNA 2024서 딥러닝 알고리즘과 알츠하이머 임상 연구 초록 발표

[사진=에어스메디컬]

의료 인공지능(AI) 기업 에어스 메디컬이 'RSNA 2024(Radiological Society of North America 2024)'에서 '스위프트엠알(SwiftMR)' 딥러닝 알고리즘과 알츠하이머 임상 연구 초록을 발표했다고 13일 밝혔다. 

에어스메디컬의 스위프트엠알 연구팀을 총괄하는 정근우 공동 착업자는 스위프트엠알의 고유 핵심 알고리즘인 '올 인 원 딥 러닝 프레임워크(All-In-One Deep Learning Framework)'에 대해 발표했다.

에어스메디컬에 따름녀 대부분 기존 엠알(MR) 영상 복원 딥러닝 알고리즘은 케이 스페이스 샘플링(K-space sampling)의 여러 측면 중 랜덤(random) 또는 유니폼 언더 샘플링(uniform undersampling) 한 가지 측면에서만 영상 품질을 개선할 수 있었다. 학습 인풋 시뮬레이션에 있어 다각적이지 못한 시나리오 커버리지로 최적의 성능이 유지되는 촬영 조건이 제한적이었다고 정 창업자는 설명했다.

스위프트 엠알 핵심 딥러닝 알고리즘은 K-space sampling 모든 측면에서 영상 품질 개선이 가능하다. 특히 상세한 딥러닝 학습 설계 과정을 포함한 실제 MR 영상 결과로 스위프트엠알의 MR 영상 복원 성능을 보였다.

에어스메디컬 연구팀은 스위프트엠알과 세그멘테이션(Segmentation) 알고리즘을 기반으로 티원 웨이트 스트럭쳐 엠알아이(T1-weighted Structural MRI)를 이용해 알츠하이머 환자군과 정상군을 비교하는 연구도 선보였다. 오픈 어세스 시리즈 오프 이미징 연구(Open Access Series of Imaging Studies, OASIS) 데이터와 자체 개발한 세그멘테이션 알고리즘에 스위프트엠알을 사용해 브레인 볼륨 엠알(Brain volume MR) 영상을 비교했을 때, 스위프트엠알이 세그멘테이션 정확도를 향상시킨다는 것을 입증했다.

특히, 알츠하이머 환자군과 정상군의 Brain volume 수치를 분석했을 때, 스위프트엠알과 자체 개발한 세그멘테이션 알고리즘을 함께 활용한 경우 AUC 성능이 향상돼 환자군과 정상군을 분류하는 데 유의미한 영향이 있는 것을 밝혔다.