비침습 의학 진단을 위한 트랜스포머 기반 의료 AI

Transformer-based Medical AI for Non-invasive Diagnostics

연구 내용

레이저 유도 플라즈마 분광과 호흡 음향 기반 이벤트 분할을 결합해, 피부암 및 수면 무호흡·수면 단계를 비침습으로 판별·추정하는 연구

연구는 비침습 신호에서 질환 관련 패턴을 추출하고, 딥러닝 기반 판별·추정 알고리즘으로 임상 의사결정을 보조하는 데 목적이 있습니다. 피부암 진단에서는 Laser-induced plasma spectroscopy로 병변의 분자 정보를 비침습으로 획득하고, deep neural network 기반 진단 알고리즘을 결합해 실시간 triage 성능을 확보합니다. 수면 분야에서는 PSG-Audio 또는 호흡 음향으로부터 이벤트를 세분화하고, Transformer 기반 오디오 세그멘테이션을 통해 무호흡 아형 구분과 시간적 위치 추정을 수행합니다. 또한 호흡 주기와 특징량을 활용해 Wake/Light/Deep/REM의 분포를 회귀로 예측하여, 침습성이 큰 PSG 의존도를 낮추는 방향을 추구합니다.

관련 프로젝트

0건

연구 흐름

초기에는 Laser-induced plasma spectroscopy와 DNN 진단 알고리즘 결합을 통해 피부 병변을 실시간 triage하는 시스템을 구축했습니다. 이후 비침습 신호의 시간 구조로 확장하여, PSG-Audio 기반 Transformer 세그멘테이션으로 sleep apnea 서브타입을 세분화하고 이벤트 위치와 지속 정보를 정밀하게 추정하는 연구로 발전했습니다. 최근에는 respiratory sound로부터 호흡 주기를 분할하고 통계·분광·분포 특징을 설계한 뒤, 수면 단계 비율을 회귀로 추정하는 프레임워크를 제안하여 해석 가능성을 고려한 모델링으로 심화했습니다. 전반적으로 신호 획득-분할-특징화-추정의 파이프라인을 중심으로 성능과 실사용 적합성을 함께 점검했습니다.

활용 가능성

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

비침습 피부암 선별
실시간 응급 triage 보조
수면 무호흡 아형 분류
호흡 기반 AHI 추정
수면 단계 분포 추정
가정용 모니터링 알고리즘
침습 검사 의존도 완화
오디오 기반 임상 스크리닝
해석 가능한 호흡 특징량 기반 분석
다중 병상 데이터 적응형 진단