치과로봇수술센터, 로봇재활센터, 충수염 자동 진단모델, 요관결석 성분 분석해 치료법 결정하는 예측모델 개발까지

캐나다 앨버타대 김미영 교수가 2019년 코센(KOSEN, 한인과학기술자네트워크)에 기고한 '의료계의 인공지능 기술의 응용 현황 및 미치는 영향'에 따르면 최근 대량의 헬스케어 데이터가 이용 가능해지고, 분석기술이 빠르게 성장함에 따라 인공지능의 활용이 헬스케어로 확장되고 있다.

김 교수에 따르면 인공지능이 더 나은 의료 결정을 내리기 위해 인간 의사를 도울 수 있고 강력해진 인공지능 기술들은 방대한 양의 데이터에 숨겨진 의료 정보를 파악하며, 이렇게 파악된 정보는 의료 관련 결정을 내리는 데 영향을 미치게 된다.

국내 의료계는 어떨까? 최근 치과로봇수술센터, 로봇재활센터, 충수염 자동 진단모델 등 다양한 분야에서 AI 기술을 활용하고 있는 한림대학교 의료원의 사례를 통해 우리 의료계의 AI 기술 적용 현황을 살펴본다.

'마이티 한림' 비전으로 다양한 AI시스템 도입

한림대학교 의료원은 디지털 첨단기술의 활용과 의술 혁신을 위해 ‘마이티 한림 (Mighty Hallym)’이라는 비전을 선포하며 매년 의료 서비스를 높이기 위해 노력하고 있다.

2003년부터 2010년까지 진행된 마이티 한림 제1, 2기에서는 전자의무기록, 경영정보시스템, 자료 관리 및 자원 관리 등 의료와 경영 전반에 걸친 병원 정보의 디지털 시스템 구축화 사업을 중점적으로 진행했다. 이어 마이티 한림 제3, 4기에서는 지속가능한 발전과 세계화 시대 글로벌 플레이어의 역할을 강조했다. 특히 ‘마이티 한림’ 4기 한림대학교 의료원은 100년을 향한 비전을 목표로 디지털과 AI시대에 적응하는 스마트 병원, 의료 데이터와 정밀 의학의 구현, 바이오와 헬스케어 분야의 기술 특허 등에 주력하고 있다.

이에 맞춰 한림대 의료원은 다양한 AI시스템을 도입했다. 특히 로봇을 이용해 한림대 의료원만의 차별화된 의료 서비스를 제공하기 위한 다양한 연구를 진행하고 있다.

인플란트 수술, 이제 로봇이 한다

한림대성심병원 치과로봇수술센터 치과로봇수술실. 사진=한림대 의료원

국내 병원 중에서 치과 전담 로봇 수술실을 갖춘 센터를 만들어 운영하는 것은 한림대 성심병원이 처음이다.

한림대 성심병원은 치과로봇수술센터 개소 이후 덴티움, 한국과학기술원(KAIST), 고려대학교 공과대학 등과 공동으로 치과로봇수술시스템을 개발하고 있다.

특히 한림대학교 성심병원 치과로봇수술센터에서는 치과로봇수술, 로봇수술 시뮬레이션룸, 로봇수술 에듀케이션룸 등 세계적으로 보기 힘든 시설을 보유하고 있으며 현재 진행 중인 로봇 연구에 관한 전임상·임상평가뿐 아니라 의료진 교육까지 센터 안에서 가능하다. 이번 산학협력을 통해 임상적 효용성이 있는 임플란트 수술 로봇을 개발해 상용화하고, 확산시키는 것이 가능하다고 전망하고 있다.

변수환 센터장은 “그동안 임플란트수술로봇을 위해 다양한 시스템을 개발했고, 이를 더 정확하고 편리하게 개선하기 위해 노력하고 있다”면서 “국내 최초 치과로봇수술센터 개소를 통해 치과로봇시스템의 임상화가 더욱 빠르게 진행될 수 있을 것으로 본다. 세계 최고 수준의 임플란트 기업 덴티움과 함께 치과로봇 세계시장을 선점하기 위해 다양한 활동을 이어 나갈 것”이라고 말했다.

로봇을 이용하는 것은 치과로봇수술센터만이 아니다. 한림대 의료원에서는 로봇을 통해 재활훈련을 받을 수 있다. 마비가 심해 걸을 수 없는 환자까지 기립과 보행에 로봇의 도움을 받으며 재활 훈련을 한다.

로봇과 함께 보행 훈련하는 로봇재활센터

10월 11일 개소한 한림대학교 성심병원 로봇재활센터. 사진=한림대 의료원

한림대학교 성심병원은 뇌졸중, 파킨슨병, 척수손상 등으로 보행 기능을 잃은 환자가 로봇을 이용해 재활치료를 할 수 있는 로봇재활센터를 10월 11일 개소했다.

한림대 성심병원은 산업통상자원부 산하 한국로봇산업진흥원 주관 2022년 서비스로봇 활용 실증사업에 선정됐다. 이에 로봇재활센터는 최신형 로봇재활 치료기 워크봇과 엔젤렉스를 도입했다.

워크봇은 근력 부족으로 보행이 어려운 환자들이 트레드밀(Treadmill) 위에서 고관절, 무릎관절, 족관절 등을 구동하며 안전한 걷기 재활을 훈련할 수 있는 로봇이다.

중추신경계나 근골격계 손상에 의한 하지마비 및 편마비 환자, 보행장애 환자에게 로봇 보조 장치를 이용한 운동학습 과정을 통해 뇌신경 또는 신경 및 근육 등의 재활과 재조직화를 유도해 보행이나 일상 동작을 개선할 수 있다.

엔젤렉스는 지면 보행이 가능한 외골격 보행 훈련 로봇이다. 환자마다 최적화된 보조 알고리즘을 적용해 관절각을 구속하지 않은 상태에서 부족한 근력을 모터의 힘으로 하지를 보완하여 지지하고, 보행 자세를 유지해주는 방식으로 보행 훈련을 돕는다.

고령사회로 진입하면서 신경계, 근골격계 이상으로 보행이 어려운 고령 환자가 증가하는 추세다. 로봇을 통한 재활치료의 확대는 이러한 사회적 문제를 해결할 수 있는 해법 중 하나로 꼽힌다.

온석훈 재활의학과 교수는 “로봇을 이용한 재활치료는 환자 개개인의 운동 능력에 최적화된 인공지능 알고리즘을 통해 정상 보행에 가까운 패턴으로 반복적으로 일정하게 훈련할 수 있고, 치료 중 보행 상태에 대한 피드백을 받을 수 있는 장점이 있다”고 말했다.

마비 환자가 ‘엔젤렉스’를 통해 재활훈련을 하는 모습. 사진=한림대 의료원

특히 마비가 심한 환자도 로봇을 통해 움직일 수 있다. 환자가 어느 정도 힘을 가하면, 로봇이 환자의 움직임과 힘을 감지하고 추가적인 힘을 보조해줌으로써 기립과 보행에 도움을 받는다. 보행할 수 없는 마비 환자에게는 마비 환자 전용 집중보행훈련 프로그램을 갖추고 있어 마비 회복도 기대해볼 수 있고, 남아있는 근육을 더 강화할 수 있다.

권역 내 유일한 상급종합병원이자 권역응급의료센터를 운영하는 한림대 성심병원은 재활의학과, 신경과, 신경외과, 정형외과, 소아청소년과 간 긴밀한 협진 체계가 구축돼 있어 응급치료부터 재활까지 다양한 질환으로 인한 보행장애 환자를 전주기 진료하고 있다.

한림대 성심병원 로봇재활센터는 향후 보행장애의 원인이 되는 질병의 종류 및 질병의 시기, 중증도에 따라 환자맞춤 로봇보행재활 프로그램을 구축할 뿐만 아니라 고정형·착용형 외골격 보행재활로봇의 차이를 고려한 최적의 치료 프로토콜을 개발해나갈 계획이다.

유경호 병원장은 “디지털 헬스케어 분야에서 다양한 사업을 수행해온 한림대 성심병원은 로봇을 통해 재활 환자의 기립 및 보행 훈련부터 상지 재활훈련까지 재활치료의 새 역사를 만들어 나갈 것”이라고 말했다.

AI 실시간 로봇 수술 영상 분할 시스템, 정교한 전립선암 수술 가능

한림대 강남성심병원 비뇨의학과 비뇨의학과 박사현·박성곤 교수. 사진=한림대 의료원

한림대 강남성심병원 비뇨의학과 박사현·박성곤 교수팀과 스타랩스 AI의료사업부는, 로봇 전립선 절제 수술 영상 데이터를 기반으로 학습하고 훈련하여 복부 내 장기 및 수술 도구 등을 실시간으로 분할 식별하는 ‘인공지능(AI) 기반 실시간 로봇수술 의료영상 분할 알고리즘 및 시스템 개발을 진행하고 있다.

전립선암은 전립선에 생기는 악성종양으로 세계적으로 남성암 발생률 1위, 사망률 2위를 차지한다. 2021년 우리나라 중앙암등록본부 자료에 따르면 전립선암은 한국 남성 암 4위를 차지하고 있고, 향후 발병률이 2위로 올라갈 것으로 예측되어 의료계가 전립선암 치료에 주목하고 있다.

현재 전립선암 수술은 로봇 근치적 전립선 절제술이 표준 치료로 사용되고 있다. 전립선의 해부학적 구조상 전통적인 복부절개창수술은 시야 및 공간제약, 복잡한 혈관과 신경 구조로 인해 정교한 수술의 한계가 있어 로봇수술이 보편화되는 추세다.

특히 전립선암 수술 중 방광목과 전립선 사이를 절개해 박리하는 단계나 전립선 원위부에서 요도를 분리하는 과정은 해부학적 특성과 암 조직의 잔존 가능성 때문에 숙련된 의사일지라도 집도의 결정이 어려운 경우가 많다. 박사현·박성곤 교수팀은 이러한 한계점을 ‘AI 실시간 로봇 수술 영상 분할 시스템’이 로봇 수술 시 화면에 보이는 여러 해부학적 구조와 수술 도구를 분할하여 식별할 수 있게 도와 수술의 완성도를 높일 수 있다고 밝혔다.

박사현 교수는 "이번 연구가 고난도 전립선암 로봇수술 시 정확도와 안정성을 높이는 데 도움이 될 것으로 기대한다”며 “향후 수술 보조 인공지능 로봇 및 자율수술로 가는 첫걸음이 될 것으로 생각한다. 급속도로 늘어나고 있는 전립선암 환자 치료의 질을 향상하는 데 도움이 되길 바란다"고 말했다.

이영구 병원장은 “인공방광대치술, 전립선암 수술 등 비뇨기 재건술은 해부학적 특성상 수술의 어려움이 있는데, 이번 AI 알고리즘 개발로 도움을 받으면 어려움이 해소될 것으로 기대된다”고 전했다.
 

진단 까다로운 충수염, AI로 자동 진단

충수염 자동 진단 AI 모델 개발 연구팀. 손일태·조범주·박태용·김민성·김민정 교수(왼쪽부터). 사진= 한림대 의료원

한림대 의료원은 환자의 병에 대한 원인과 빠르고 정확한 진단 결과를 예측하기 위해 AI를 활용하고 있다.

한림대학교 성심병원 외과 연구팀과 한림대학교 의료원 의료인공지능센터는 CT 영상을 실시간으로 관찰해서 충수염을 자동 판독해주는 AI 모델을 개발했다.

급성충수염은 임상 양상이 다양하고, CT 검사를 통해서도 비정상적인 충수가 발견되지 않아 다른 소화기 질환보다 까다로운 검사가 필요하다. 하지만 이 AI 모델이 실용화 되면 더욱 정확하고 신속한 환자 진료가 가능해진다. 또 응급실 인력을 더욱 효율적으로 운영하는 데 도움이 될 것으로 예상된다.

흔히 맹장염으로 알고 있는 충수염은 맹장 끝 부위인 충수돌기에 염증이 발생하는 것을 말한다. 급성충수염은 수술 통계 5위를 차지하는 다빈도 질환이다. 질환 특성상 급성충수염 의심 증상으로 병원을 찾는 환자는 야간이나 주말 응급실을 통해 병원을 찾는 경우가 많다. 이때 복부 영상의학과 전문의에 의한 정확한 판독이 제한될 수 있다. 게다가 급성충수염은 임상 양상이 다양하고, CT 영상을 통해서도 비정상적인 충수가 발견되지 않아 다른 소화기 질환으로 착각하는 경우도 있다.

문제는 충수염 진단이 늦어지면 천공이 발생할 수 있고, 충수염의 우측 하복부 염증이 복막염이나 골반내농양으로 발전되면 충수절제술 이상의 외과적 처치가 필요할 수 있다는 점이다. 게다가 수술 후 합병증도 높아진다.

AI(인공지능)가 CT(컴퓨터단층촬영) 영상을 실시간으로 관찰해 충수염을 진단하고 있다. 붉은색 실선은 AI가 충수 부위를 집중적으로 관찰하며 충수염 여부를 확인하고 있는 모습. 사진=한림대 의료원

한림대성심병원 연구팀이 개발한 이 AI 모델은 CT 영상을 실시간으로 관찰해 대장염, 말단회장염, 상행결장게실염 등 충수염과 임상적으로 유사한 질환을 걸러내고 충수염만을 정확하게 진단하는 것이 가능하다.

연구팀은 2013년부터 2020년까지 한림대학교 의료원에서 충수염 진료를 위해 CT 촬영한 환자 4701명의 데이터와 2019년부터 올해 5월까지 응급실을 내원해 복부 통증으로 CT 촬영한 환자 4452명의 데이터를 분석했다.

이후 충수염 환자 1839명, 충수염이 아닌 것으로 진단받은 1782명의 데이터를 걸러내고 ‘3D 컨볼루션 신경망(Convolutional Neural Network, CNN)’을 활용한 모델에 학습시켰다.

학습을 마친 AI모델의 충수염 진단 정확도는 89.4%로 나타났다. AI모델의 성능을 평가하는 데 사용하는 ‘곡선하면적(Area Under the Curve, AUC)’ 점수는 0.890으로 나타나 실제 임상에 적용할 수 있는 우수한 결과를 보였다.

조범주 의료인공지능센터장은 “이번 AI는 기존 모델들과 달리 3차원 CT영상을 입체적으로 인식했다는 점에서 의의가 있다”고 했다. 손일태 교수는 “이번 AI 모델의 민감도, 곡선하면적점수, F1 점수 등을 높이기 위해 다양한 방법을 검토하고 있다”면서 “이번 모델의 상용화 작업과 더불어 향후 충수와 관련된 모든 질환의 자동 판독을 목표로 연구할 계획”이라고 말했다.

AI로 요관결석 환자 결석 성분 정확히 예측·치료법 결정

한림대학교 동탄성심병원 비뇨의학과 한준현 교수. 사진=한림대 의료원

한림대학교 동탄성심병원 비뇨의학과 한준현 교수(교신저자), 이성호 병원장, 김종근·최창일·이원철 교수, 김의석·권효상·양원종 레지던트와 연세대학교 임도형 교수 연구팀은 인공지능을 활용해 요관결석 환자의 내시경화면 속 결석 성분을 정확히 예측할 수 있는 모델을 개발했다.

요관결석은 신장, 요관, 방광, 요도 등 요로계에 결석이 생겨 소변의 흐름이 원활하지 않게 되고, 그 결과 칼로 찌르는 듯한 극심한 통증을 유발하는 질환이다. 이 같은 요관결석을 인공지능을 이용해 치료 성공률을 높일 수 있게 됐다.

요관결석 치료법으로는 요도내시경을 이용해 결석을 조각 내 제거하는 방법이 많이 쓰이고 있다. 이때 내시경 카메라를 통해 결석의 성분과 강도를 예측하는 것은 시술 중 적절한 도구를 선택하고 결석 생성의 원인을 분석해 시술 후 환자 관리에 큰 도움이 될 수 있다.

연구팀은 딥러닝에 활용할 데이터를 얻기 위해 2018년 1월부터 2021년 3월까지 한림대학교 동탄성심병원에서 요관결석으로 내시경시술을 받은 환자의 결석 1332개를 분석했다. 이후 결석을 형성하는 분자의 고유 진동 주파수와 일치하는 특정 파장대의 적외선을 흡수시키는 방법으로 가장 적합한 성분과 조성비를 찾아낼 수 있었다.

분석 결과 1332개의 결석 중 한 종류의 성분으로만 이뤄진 순석이 54%인 720개(7종)였고, 혼합석이 46%인 612개(24종)이었다. 전체 결석은 성분의 비율에 따라 31개 등급으로 분류됐고, 이 중 가장 많은 결석이 포함된 상위 4개 등급으로 965개의 결석이 포함됐다.

가장 많은 성분은 칼륨 옥살레이트 일수화물 100%(469개)였고, 다음으로 칼슘 옥살레이트 일수화물 80%와 스트루바이트 20%(240개), 칼슘 옥살레이트 일수화물 60%와 이수화물 40%(137개), 요산 100%(119개) 순이었다.

이렇게 얻어진 데이터를 바탕으로 요관결석 성분 분석 인공지능 모델을 개발한 결과, 양성 예측확률인 민감도와 음성 예측확률인 특이도가 85~99%로 나타났다. 이는 글로벌 연구에서 의사가 내시경 화면을 통해 직접 결석을 관찰하고 구성요소를 예측했을 때의 정확도가 39%였던 것과 비교해 매우 높은 수치이다.

한준현 교수는 “이번 연구 결과를 통해 적절한 시술 도구를 선택하고 결석의 생성 원인을 분석해 요관결석 치료의 효율성을 높일 수 있을 것으로 기대된다. 예를 들어 성분 중 스트루바이트가 있는 경우 결석 생성의 원인이 감염 때문일 수 있어 시술 후 항생제 투여 등 감염 치료에 대한 계획을 세울 수 있다”며 “또 재발성 결석과 대사질환에 의한 결석을 구분해 결석의 원인을 분석하고 요관결석 재발을 예방하는 데 도움이 될 것으로 기대된다”고 설명했다.

< 문화경제 이윤수 기자 >