설명가능·생성형 인공지능 기반 소화기 영상 진단

Explainable/Generative AI for Gastrointestinal Imaging Diagnosis

연구 내용

설명가능 및 생성형 인공지능을 소화기 영상 분석 파이프라인에 적용하여 조기 진단의 정확도와 임상 의사결정 가능성을 높이는 연구

소화기 질환의 조기 진단을 목표로 내시경과 현미경 영상에서 병변 유형을 분류·탐지·분할하는 딥러닝 모델을 구축하고, 결과 해석을 위한 설명가능 요소를 함께 설계하는 연구를 수행합니다. 제한된 데이터 환경에서는 transfer learning과 data augmentation을 적용하여 일반화 성능을 확보하고, 모델이 관심 영역을 근거로 삼는지 확인하는 시각화 절차를 포함합니다. 또한 생성형 인공지능을 데이터 생성·보강 관점에서 검토하여 진단 단계까지 연결하는 기술 흐름을 정립합니다. 이를 실제 의료기기 검증 및 장협착 임상의사결정 보조로 확장하는 데 중점을 둡니다.

관련 프로젝트

2건

연구 흐름

초기에는 소화기 질환 조기 진단에서 설명가능 인공지능이 비침습 의사결정 보조로 활용될 수 있는 연구 방향을 정리하고, 내시경 단계에서 탐지부터 진단까지 요구되는 과제를 구분해 분석했습니다. 이후 공초점 현미경 영상에서 종양·염증·정상 조직을 분류하는 딥러닝 구조를 제안하며, 제한 데이터에서 전이학습 기반 학습과 근거 영역 시각화를 포함하는 방식으로 실용성을 높였습니다. 2023년에는 대장 폴립 진단을 중심으로 임상의가 쓰는 AI 의료기기 적용 흐름을 검토했습니다. 2024년에는 생성형 인공지능을 조기 진단 전주기로 확장하는 연구를 수행했고, 2018~2023 수행 과제의 다중영상 내시현미경 및 장협착 진단 보조 개발로 기술 궤적을 이어가고 있습니다. 최근에는 유전 기반 인공지능 관점까지 범위를 확대하는 방향으로 진행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

설명가능 진단 보조 소프트웨어
내시경 영상 병변 분할 알고리즘
공초점 현미경 조직 분류 모델
다중영상 통합 진단 워크플로
실시간 추론용 임상 파이프라인
장협착 위험도 평가 지표
소노엘렉트로그램 기반 임상의사결정 보조
대장 폴립 스크리닝 보조 도구
원격 검증을 위한 표준화 분석 체계
규제 대응 의료 AI 검증 설계