한국과학기술원(KAIST) 바이오·뇌공학과 예종철 교수와 건국대 의대 문원진 교수 공동 연구팀은 재촬영을 하지 않고도 자기공명영상(MRI) 강조영상을 얻을 수 있는 기술을 개발했다고 30일 밝혔다.

 MRI는 영상의 대조도(contrast)를 조절해 종양이나 병변을 고해상도로 촬영할 수 있는 진단 장비이다.

 이를 통해 뇌종양을 진단하는 데 활용되는 T1·T2 강조영상, T1 조영증강 영상 등 여러 강조영상을 얻을 수 있다.

 하지만 여러 장의 강조영상을 촬영하기 위해 촬영 시간이 길어질 수밖에 없고, 잡음이나 인공음영 등으로 인해 수차례 재촬영을 해야 한다.

 최근 인공지능 분야에서 '생성적 적대 신경망'(GAN·Generative adversarial networks)이라는 딥러닝 방식을 이용해 영상을 합성하는 기술이 보고되고 있지만, 미리 학습해야 하는 네트워크가 너무 많아 확장성이 떨어진다는 한계가 있다.

 연구팀은 '협조·생성적 적대신경망'(CollaGAN)이라는 기술을 자체 개발, MRI 강조영상의 공통적 특징을 학습하도록 함으로써 확장성 문제를 해결했다.

 우선 여러 개의 강조영상 중 일부 영상이 없어지더라도 남아있는 영상을 통해 사라진 영상을 복원할 수 있는 기법을 학습하도록 했다.

 이어 합성된 영상의 임상적 정확도를 평가해 강조영상 간 중요도를 자동으로 평가할 수 있는 원천 기술을 개발했다.

 T1·T2 강조영상 등 인체 조직의 내재적 특성에 기인한 내인성 대조영상의 경우 재촬영을 하지 않고도 다른 강조영상으로부터 영상을 합성할 수 있다고 연구팀은 설명했다.

 현재 많이 사용되는 합성 MRI 기법에서 생기는 인공음영 영상도 이 기술을 이용해 자동으로 제거할 수 있다.

 문원진 교수는 "인공지능을 이용한 합성 영상을 임상 현장에 적용하면 재촬영으로 인한 환자의 불편을 최소화하고 의료 비용도 절감할 수 있을 것"이라고 말했다.

 이번 연구 결과는 국제 학술지 '네이처 머신 인텔리전스'(Nature Machine Intelligence)' 지난 18일 자 온라인판에 실렸다.