즉시 자동 진단으로 보는 당뇨망막증

초록

OphtAI는 대규모 색소체 사진 데이터를 활용해 눈의 좌우 구분, 참고 가능한 당뇨망막증(Referable DR) 판별 및 중증도 평가를 동시에 수행하는 CNN 앙상블 시스템이다. Messidor‑2에서 AUC 0.989(95 % CI 0.984‑0.994)를 기록했으며, FDA 승인 AI( AUC 0.980)보다 우수한 성능을 보였다. 시각 위협성 DR과 증식성 DR도 각각 AUC 0.997 이상을 달성했으며, GPU 환경에서 0.3 초, CPU만 사용할 경우 2 초 미만의 초고속 추론이 가능하다. 정확한 히트맵을 제공해 진단 근거를 시각화함으로써 임상 적용성을 높였다.

상세 분석

본 논문은 프랑스 OPHDIAT 대규모 스크리닝 프로그램에서 수집된 763,848장의 색소체 사진(164,660건의 검사)을 기반으로 OphtAI 시스템을 개발·검증하였다. 핵심 기술은 서로 다른 아키텍처와 학습 목표를 가진 다중 CNN을 앙상블하는 방식이다. 첫 번째 서브모듈은 좌·우 안구를 구분하는 이진 분류기로, 이미지 전처리 단계에서 좌우가 뒤바뀐 경우를 자동 교정한다. 두 번째 서브모듈은 ‘Referable DR’(중증도 ≥ moderate NPDR 또는 any PDR) 여부를 판단하는 2‑class 모델이며, 세 번째 서브모듈은 5‑class(No DR, Mild, Moderate, Severe, Proliferative) 다중 클래스 모델로 DR 중증도를 세분화한다. 각 서브모듈은 ResNet‑50, EfficientNet‑B3, DenseNet‑121 등 최신 이미지 분류 네트워크를 사전 학습(pre‑trained) 후 전이 학습했으며, 데이터 불균형을 완화하기 위해 클래스별 가중치와 focal loss를 적용하였다.

데이터 증강은 회전, 확대·축소, 색상 변형, 가우시안 노이즈 등을 포함해 모델의 일반화 능력을 강화하였다. 또한, 이미지 품질이 낮은 경우를 자동 감지하는 품질 평가 모듈을 별도로 두어, 저품질 이미지에 대한 오탐을 최소화한다. 추론 단계에서는 각 CNN의 출력 확률을 가중 평균해 최종 판정을 내리며, 이를 기반으로 Grad‑CAM 기반 히트맵을 생성해 병변 위치를 시각적으로 강조한다.

성능 평가는 두 가지 기준으로 이루어졌다. 첫째는 내부 검증 셋(OPHDIAT)에서의 교차 검증 결과이며, 둘째는 공개 데이터셋 Messidor‑2를 이용한 외부 검증이다. Messidor‑2에서 Referable DR 검출 AUC는 0.989(95 % CI 0.984‑0.994)로, FDA 승인을 받은 IDx‑DR( AUC 0.980)보다 통계적으로 유의하게 높았다. 시각 위협성 DR(vision‑threatening DR)과 증식성 DR에 대해서도 각각 AUC 0.997(95 % CI 0.996‑0.998)와 AUC 0.997(95 % CI 0.995‑0.999)을 기록, 거의 완벽에 가까운 구분력을 보였다.

속도 측면에서는 NVIDIA RTX 3090 GPU 환경에서 평균 0.3 초, CPU 전용 환경에서는 2 초 미만의 추론 시간을 달성했다. 이는 기존 FDA 승인 AI가 GPU에서 0.5 초, CPU에서 3 초 이상 걸리는 점과 비교해 현저히 빠른 편이다. 실시간 진단이 가능해 현장 스크리닝 워크플로우를 크게 단축시킬 수 있다.

한계점으로는 데이터가 주로 유럽·프랑스 인구에 국한돼 있어 인종·피부톤 다양성에 대한 일반화 검증이 부족하다는 점이다. 또한, 레이블링에 사용된 기준이 대학병원 안과 전문의의 판독에 의존했으며, 다른 국가·기관의 기준과 차이가 있을 수 있다. 향후 다국적 데이터셋을 통한 외부 검증과, OCT·광학 단층 촬영 등 다중 모달 이미지를 통합한 멀티모달 AI 개발이 필요하다.

결론적으로 OphtAI는 대규모 실세계 데이터와 최신 CNN 앙상블, 고품질 히트맵 시각화 기술을 결합해, 정확도·속도·설명 가능성 측면에서 현존 FDA 승인 AI를 능가한다. 즉시 자동 진단이 가능해 당뇨병 환자에게 보다 접근성 높은 망막 스크리닝 서비스를 제공할 수 있다.