슬라이드 초점 '흐림'…AI 조직병리 진단에 미치는 영향?

조직병리 진단 과정에서 자주 발생하는 슬라이드 초점 흐림 현상이 병리 인공지능(AI) 모델의 최종 슬라이드 단위 예측에 얼마나 영향을 미치는지를 분석한 결과가 국제학술지에 발표됐다.

질병검사 전문의료기관 씨젠의료재단은 AI연구소 김호헌 연구원, 고영신 선임병리부원장 겸 연구소장 직무대행, 김경은 병리부원장 겸 연구소 책임전문의 등이 참여한 이번 연구가 국제 학술지 Journal of Pathology Informatics 11월호에 게재됐다고 전했다. 논문 제목은 슬라이드 이미지의 초점 흐림과 AI의 예측 성능 평가: 후향적 관찰연구(Evaluating the robustness of slide-level AI predictions on out-of-focus whole slide images: A retrospective observational study).

씨젠의료재단은 조직병리 진단 질관리 시스템 SeeDP(Seegene Digital Pathology)를 도입, 운영 중이다. 이를 통해 병리 전문의 판독 결과를 AI가 2차 검토해 진단 오류 가능성을 조기 포착하고 판독 재검토를 유도한다. 이를 통해 진단 정확도를 높이고 일관성 향상을 도모하고 있다. 현재는 10대 암을 대상으로 한 AI 기반 조직병리 진단서비스를 시행 중이다.

이번 연구는 조직병리 진단 현장에서 자주 발생하는 슬라이드 초점 불량, 즉 부분 흐림이 병리 AI 모델의 최종 슬라이드 단위 예측에 얼마나 영향을 미치는지 여부를 파악하는 게 핵심이다. 이를 위해 여러 스캐너 및 AI 모델을 활용해 체계적으로 검증을 마쳤다.

실제로 연구팀은 2종 장기2종 스캐너로 생성된 7529장의 슬라이드 이미지, 해당 이미지를 처리하는 4종의 병리 AI 모델 예측값을 후향적으로 분석했다. 분석 결과 일상적인 흐림 수준에서 예측 일치도에는 유의한 차이가 없었다. 또 흐림 영역 비율과 예측 불일치 사이에도 통계적으로 뚜렷한 연관이 없음을 확인했다.

특히 Z-stack(여러 초점으로 촬영한 사진 묶음)을 이용한 추가 실험에서는 초점 평면이 6 ㎛ 정도 흔들려도 AI 슬라이드의 판독 정확성이 유지돼 표현 자체가 잘 보존되는 것으로 나타났다.

연구팀은 극단적인 경우를 제외하고 현실적으로 흔히 관찰되는 초점 흐림이 슬라이드 단위 병리 AI의 진단 성능을 크게 떨어뜨리지 않는다는 점을 실제 데이터를 통해 확인했다. 과도한 화질 선별, 초점 흐림 복원용 AI 개발 등에 의존하지 않고 AI를 안정적으로 활용할 수 있음을 시사한다.

천종기 이사장은 실제 임상 환경에서 흔히 발생하는 초점 흐림이 AI 진단 신뢰도를 크게 떨어뜨리지 않는다는 사실을 입증함으로써 디지털 병리의 안정적 운영 기반을 한층 강화할 수 있을 것이라면서 앞으로도 임상 현장에서 바로 적용할 수 있는 실증 연구와 기술 혁신을 통해 AI 기반 정밀의학의 보편화, 글로벌 표준 확립 등에 지속적으로 기여할 것이라고 전했다.