 |
유방암은 조기 발견할 경우 치료 예후가 좋으나 기존의 초음파 영상 진단은 이미지 자체의 복잡성과 판독관의 주관성에 따라 오진의 위험이 상시 존재해 왔다. 특히 기존의 합성곱신경망(CNN) 기반 모델들은 이미지의 국소적인 공간 정보는 잘 포착하지만, 영상 전체를 아우르는 장기적인 문맥의 관계를 파악하는 데는 한계가 있었다.
변 교수는 이러한 한계를 극복하기 위해 서로 다른 크기의 이미지 패치를 독립적으로 처리하는 ‘듀얼 브랜치(Dual-branch) 구조’를 인공지능에 적용했다.
여기에 서로 다른 스케일의 특징들을 유기적으로 결합하는 ‘크로스 어텐션(Cross-attention)’ 모듈을 내재화했다. 이를 통해 연산 부담은 최소화하면서도 유방암 초음파 영상 속 복잡한 패턴을 정밀하게 구별해 내는 독창적인 AI 아키텍처를 완성했다.
대규모 초음파 이미지 데이터셋을 구축해 실증 분석을 진행한 결과, 변 교수가 개발한 CrossViT 모델은 93.5%의 높은 정확도(Accuracy)와 94.2%의 민감도(Recall), 그리고 0.96에 달하는 우수한 AUC(전반적 판독 역량) 지표를 기록했다.
이번 연구 성과는 독일에서 발간하는 SCIE급 글로벌 의학 분야 학술지인 ‘Medicine’(2026년 6월 26일 자 발행)에 게재되며 기술적 우수성을 인정받았다.
연구를 주도한 변해원 교수는 스탠포드 대학교와 엘스비어(Elsevier)가 선정한 2025년 ‘세계 상위 2% 과학자’(실제 순위 기준 전 세계 최상위 0.32%)에 이름을 올린 글로벌 석학이다.
변해원 교수는 “직업환경 디지털 헬스연구실에서 개발한 이 차세대 딥러닝 아키텍처를 향후 설명 가능한 AI(XAI) 기술과 결합하고 다기관 임상 검증을 거쳐, 실제 의료 현장과 직업 보건 시스템에서 여성 근로자들의 유방암을 조기에 차단하는 실효성 있는 AI 진단 보조 솔루션으로 발전시키겠다”라고 밝혔다.
[저작권자ⓒ 대학저널. 무단전재-재배포 금지]
