인텔과 펜실베니아 대학교 페렐만 의과대학이 악성 뇌종양을 식별하도록 돕는 분산 머신러닝(ML) 인공지능(AI) 방식의 연합 학습을 활용한 공동 연구를 완료했다. 6개 대륙에 걸쳐 71개 기관에서 조사한 데이터를 통해 진행하는 등 대규모 의료 분야 연합 학습 부문 연구로, 뇌종양 탐지를 최대 33% 개선할 수 있는 것으로 확인됐다.
제이슨 마틴(Jason Martin) 인텔 엔지니어는 “연합 학습은 다양한 영역, 특히 의료 분야에서 엄청난 잠재력을 가지고 있다. 펜 메디슨과의 협력은 전 세계 환자들에게 긍정적인 영향을 미칠 수 있으며, 연합 학습의 가능성을 계속 탐구하기를 기대한다”고 말했다.
의료 분야에서는 미국 의료정보보호법(HIPAA)과 같은 국가별 데이터 개인정보보호법으로 인해 오랫동안 데이터 접근성 이슈가 존재해왔다. 따라서, 환자의 의료 정보를 훼손하지 않으면서 필요한 규모의 의료 연구 및 데이터 공유가 거의 불가능했다.
롭 앤덜(Rob Enderle) 분석가는 “세상의 모든 컴퓨터는 충분한 양의 데이터를 분석하지 않고는 많은 성과를 만들어낼 수 없다. 이미 확보된 수많은 데이터를 분석할 수 없는 상황때문에 AI가 보장하는 대규모 의료 혁신이 상당히 지연됐다”며, “이번 연합 학습 연구는 AI가 난치병과 싸우는 가장 강력한 도구로 발전해 그 잠재력을 발휘할 수 있는, 실행 가능한 길을 보여주었다”고 말했다.
펜 메디슨 병리학 & 진단검사의학과, 방사선학부 스피리돈 바카스 박사(Spyridon Bakas, PhD)는 “연구를 통해 연합 학습은 패러다임 전환을 통해 다양한 기관에서 방대하고 가장 다양한 교모세포종 환자들의 정보를 이동시키지 않고도 해당 정보에 접근할 수 있게 함으로써 많은 기관들이 협업할 수 있는잠재력을 보여주었다”며, “머신러닝 모델에 더 많은 데이터를 제공할수록 정확도가 향상되며, 결국 교모세포종과 같은 희귀한 질병을 이해하고 치료하는 역량을 한층 강화할 수 있다”고 말했다.
질병 퇴치를 위한 연구를 발전시키려면 대부분의 경우 하나의 기관에서 생성할 수 있는 임계값을 초과하는 대규모 데이터 세트에 연구진이 접근할 수 있어야 한다. 해당 연구는 대규모 연합 학습의 효과와 다중 데이터 고립 현상이 해소될 때 의료 산업이 실현할 수 있는 잠재적인 이점을 보여준다. 즉, 질병 조기 탐지를 포함해 삶의 질 향상 또는 환자 수명 증가 등의 성과를 달성할 수 있다.
양사는 2020년 표준 치료 후 14개월 만에 중위 생존을 보이는 가장 흔하고 치명적인 성인 뇌종양인 교모세포종(GBM)이라는 희귀한 형태의 암의 종양 검출 역량과 치료 결과를 개선하기 위해 연합 학습 연구 및 사용에 협력해왔다. 지난 20년간 치료 방법이 확대되었지만 전반적인 생존율은 개선되지 않았다. 이 연구는 미국 국립보건원(NIH)의 국립암연구소(NCI)의 ITCR(Informatics Technology for Cancer Research) 프로그램에서 연구 자금을 지원받았다.
By 김신강 에디터 Shinkang.kim@weeklypost.kr
〈저작권자ⓒ 위클리포스트, 무단전재 및 재배포 금지〉