노을, 의료영상처리학회서 혁신 AI 기술 공개

혈액·암 진단 품질 및 성능 향상 효과…데이터 부족·불균형 문제 극복 기대

▲노을 관계자가 의료영상 국제학술대회 ‘MICCAI 2025’에서 자사의 온디바이스 AI 기반 현장 진단 플랫폼 ‘마이랩(miLab)’을 활용한 최신 연구 성과를 발표하고 있다, (노을)

인공지능(AI) 기반 혈액 및 암 진단 전문기업 노을은 의료영상 국제학술대회 ‘MICCAI 2025’에서 자사의 온디바이스 AI 기반 현장 진단 플랫폼 ‘마이랩(miLab)’을 활용한 최신 연구 성과를 발표했다고 29일 밝혔다.

올해로 28회째를 맞은 MICCAI는 의료영상 분석 분야에서 세계적 권위를 가진 대형 국제 학술대회로 지난 23일부터 27일까지 대전 컨벤션센터에서 성황리에 마무리됐다.

노을은 MICCAI 2025에서 기존 혈액 및 암 병리 진단 분야의 문제로 손꼽혀왔던 학습용 데이터 부족과 데이터 불균형으로 인한 진단 품질 저하 등을 극복할 수 있는 혁신적인 AI 기술을 공개했다. 이번 워크숍 세션에서 △온디바이스에 최적화된 단계별 심층학습(Cascaded Deep Learning)을 통한 민감도와 효율성 개선에 대한 연구 초록 △생성형 모델의 데이터 증강을 활용한 감염 적혈구의 검출 성능 향상에 대한 연구 논문을 발표했다.

AI 모델을 노을의 마이랩에 적용하면 기존 방식보다 정확도와 효율성이 향상되며, 말라리아뿐 아니라 다른 감염병과 세포 병리 진단 분야까지 활용 범위를 확장할 수 있다.

임찬양 노을 대표는 “마이랩은 엔비디아의 젯슨 보드를 탑재해 AI 추론 성능은 물론 처리량과 속도를 크게 향상시킨 온디바이스 AI 통합 진단 플랫폼”이라며 “이번 연구를 통해 노을의 메디컬 이미징 및 AI 기술이 저자원, 고자원 임상 환경 모두에서 기존 진단법보다 우월한 성능이 확인됐다”라고 설명했다.

노을은 온디바이스 엣지 장치에 최적화된 경량 합성곱 신경망(CNN)과 소형 비전 트랜스포머(TinyViT)를 단계적으로 결합하는 ‘계단식 분류 모델 배치(Cascaded Classification Framework)’를 통해 마이랩 말라리아 진단에서 민감도와 효율성을 높인 결과를 공개했다.

기존 수동 현미경 진단의 박층 도말 검사에서는 슬라이드 특유의 변동성과 데이터 불균형 문제가 흔히 발생한다. 이를 극복하기 위해 노을은 AI 모델로 자동화 디지털 현미경을 통해 얻은 다초점 세포 이미지를 함께 분석하는 방식을 도입했다. 이를 통해 흐릿하거나 모호한 세포까지 더 정확하게 판별할 수 있었으며, 임상 적용 시 진단 성능이 한층 향상된 것으로 확인됐다.

실제 아프리카 말라위와 에티오피아의 임상 혈액 샘플을 활용한 평가에서 민감도 98%, 특이도 99.3%를 기록해 수동 현미경 판독 대비 민감도가 약 11%p 높아진 수치를 보였다. 감염 밀도가 낮은 사례도 신뢰성 있게 검출해 전문가가 재검토해야 하는 분량을 줄였다.

또한 노을은 말라리아 감염 적혈구 검출 정확도를 높이기 위해 ‘생성형 데이터 증강(Generative Augmentation)’ 기술을 활용한 접근법을 제안했다. 생성적 적대 신경망(GAN) 등 다양한 AI 기법을 조합해 실제 현미경 이미지와 유사한 고품질 합성 이미지를 대량으로 만들어 말라리아 진단을 위한 학습 데이터셋을 확장하고 AI 학습 기술을 고도화했다. 실제 임상 환경에서 확보하기 어려운 생식모세포(Gametocyte) 적혈구 이미지 학습에 효과를 보여 기존 증강 방식 대비 검출률이 유의미하게 개선된 것으로 나타났다.

이번 연구 성과는 말라리아에 국한되지 않고 데이터 샘플 부족이나 희귀한 형태학적 변이가 문제 되는 암, 결핵, 희귀혈액 질환 등의 분석 과제에도 적용 가능한 기술적 기반을 마련했다는 점에서 의미가 크다.