의료 인공지능(AI) 기업 에어스메디컬은 미국 시카고에서 열린 ‘RSNA 2024(Radiological Society of North America 2024)’에서 ‘스위프트엠알(SwiftMR®)’의 딥러닝 알고리즘 및 알츠하이머 임상 연구 초록을 발표하며 성황리에 부스 출품을 마무리했다.
에어스메디컬의 공동 창업자이자 스위프트엠알 연구팀을 총괄하는 정근우 팀장이 스위프트엠알의 고유한 핵심 알고리즘인 ‘All-In-One Deep Learning Framework’에 대해 발표하였다.
대부분의 기존 MR 영상 복원 딥러닝 알고리즘은 k-space sampling의 여러 측면 중 random 혹은 uniform undersampling 한 가지 측면에서만 영상 품질을 개선할 수 있었고, 학습 인풋 시뮬레이션에 있어 다각적이지 못한 시나리오 커버리지로 인해 최적의 성능이 유지되는 촬영 조건이 제한적이라는 한계가 있었다.
스위프트엠알의 핵심 딥러닝 알고리즘은 기존 시장의 한계를 뛰어넘어 k-space sampling의 모든 측면에서 영상 품질 개선이 가능하고, 다양한 기술적 및 임상적 촬영 조건에서 일관된 최적의 성능 유지할 수 있도록 구현됐다. 특히 상세한 딥러닝 학습 설계 과정을 포함하여 실제 MR 영상 결과를 통해 스위프트엠알의 우수한 MR 영상 복원 성능을 선보였다.
또 다른 초록은 에어스메디컬 연구팀에서 스위프트엠알과 세그멘테이션(Segmentation) 알고리즘을 기반으로 T1-weighted Structural MRI를 이용해 알츠하이머 환자군과 정상군을 비교하는 연구를 선보였다. Open Access Series of Imaging Studies (OASIS) 데이터와 자체 개발한 세그멘테이션(Segmentation)알고리즘에 스위프트엠알을 사용하여 Brain volume MR 영상을 비교 분석했을 때, 스위프트엠알 적용 전/후의 확연한 MR 영상 퀄리티 차이를 객관적으로 입증했다.
특히, 알츠하이머 환자군과 정상군의 차이를 보이는 주요 뇌 영역인 Hippocampus, Amygdala, Inferior lateral ventricle 영상을 Brain volume 수치를 통해 분석할 때, 스위프트엠알과 자체 개발한 세그멘테이션(Segmentation)알고리즘을 함께 활용한 경우 AUC 성능이 크게 향상되어 환자군과 정상군을 분류하는 데 유의미한 영향을 끼친다는 사실을 밝혔다.
이번 연구는 스위프트엠알의 우수한 알고리즘 성능과 MR 영상 퀄리티 향상 기능이 알츠하이머 환자군과 비정상군을 분류하는 데에 유의미한 영향을 끼친다는 것을 입증했다는 점에서 의미가 크다.
이혜성 에어스메디컬 대표는 “최대 글로벌 영상의학회인 RSNA에서 스위프트엠알의 성능을 입증하는 연구들을 선보여 기쁘다”며, “지속적인 연구와 혁신을 통해 자사의 AI 솔루션이 의료 현장을 한 단계 더 발전시킬 수 있도록 최선을 다할 것”이라고 말했다.
출처 : 테크월드
