스마트폰 기반 멜라노마 조기 탐지 및 예방 앱

초록

본 논문은 햇빛에 의한 화상 위험을 실시간으로 알리는 기능과, 피부 병변 사진을 자동으로 분석해 정상·비정형·멜라노마를 구분하는 두 가지 모듈을 갖춘 스마트폰 애플리케이션을 제안한다. PH2 데이터베이스(200장)를 이용한 실험에서 각각 96.3%, 95.7%, 97.5%의 정확도를 달성하였다.

상세 요약

본 연구는 멜라노마 조기 발견을 위한 모바일 솔루션을 설계·구현함으로써 기존 임상 진단의 주관성을 보완하고자 한다. 첫 번째 모듈은 사용자의 현재 위치와 기상 데이터를 연계해 자외선 지수를 추정하고, 피부 타입(피부톤)과 노출 면적을 입력받아 ‘화상까지 남은 시간’를 계산하는 수식을 제시한다. 이 수식은 UV 강도, 피부 민감도, 보호 차단지수(SPF) 등을 변수로 포함해 실시간 알림을 제공함으로써 예방 차원에서 의미가 있다. 두 번째 모듈은 이미지 기반 진단 파이프라인으로, (1) 카메라를 통한 고해상도 병변 촬영, (2) 모발 검출 및 배제 단계에서 Gabor 필터와 형태학적 연산을 활용해 모발에 의한 잡음을 최소화한다. (3) 병변 영역은 색상·텍스처·형태 특징을 추출하기 위해 CIELAB 색공간 변환, GLCM(Gray Level Co-occurrence Matrix) 텍스처 분석, 그리고 경계선 곡률을 계산한다. (4) 추출된 34개의 정량적 피처는 다층 퍼셉트론(MLP)과 서포트 벡터 머신(SVM) 두 가지 분류기로 학습되었으며, 교차 검증 결과 SVM이 97.5%의 멜라노마 정확도를 보였다. 데이터셋은 포르투갈 Pedro Hispano 병원의 PH2 Dermoscopy 이미지 200장을 사용했으며, 정상(80), 비정형(70), 멜라노마(50)로 균형 있게 구성되었다. 실험에서는 5‑fold 교차 검증을 적용해 과적합을 방지했으며, ROC 곡선 아래 면적(AUC)은 0.982에 달했다. 한계점으로는 모바일 디바이스의 연산능력 제한으로 인해 실시간 처리 속도가 평균 1.8초에 머물렀으며, 조명 조건에 민감한 전처리 단계가 추가적인 사용자 교육을 필요로 한다는 점을 들 수 있다. 향후 연구에서는 경량화된 딥러닝 모델을 도입해 처리 속도를 개선하고, 다양한 인종·피부톤을 포함한 대규모 데이터베이스 구축을 목표로 한다.