서울아산병원 연구진, 환자정보 보호·신장병 진단 AI모델 개발

이상욱·서준교 교수팀 AI모델, CT 암호화한 상태서 정상 신장·낭종·종양 정확히 분류

▲왼쪽부터 이상욱 서울아산병원 마취통증의학과 교수, 서준교 서울아산병원 비뇨의학과 교수 (서울아산병원)

컴퓨터단층촬영(CT)과 같은 의료영상을 분석할 때 인공지능(AI)을 활용해 진단의 정확성과 속도를 높이는 사례가 늘고 있다. 하지만 인공지능을 실제 임상현장에 폭넓게 적용하기에는 환자 개인정보가 유출될 수 있다는 우려가 꾸준히 제기됐다.

이에 국내 연구진이 환자 개인정보를 안전하게 보호하면서도 신장 CT 영상으로 신장 질환을 정확히 진단하는 인공지능 모델을 개발했다.

29일 서울아산병원에 따르면 이상욱 마취통증의학과 교수·서준교 비뇨의학과 교수 연구팀은 데이터를 암호화된 상태 그대로 연산하는 동형암호 기술을 활용해, 환자의 신장 CT 영상을 암호화한 후 정상 신장과 낭종, 종양을 분류해 내는 딥러닝 모델을 구현했다.

연구팀이 개발한 딥러닝 모델은 질환 분류의 정확도를 나타내는 지표인 AUC 값(1에 가까울수록 예측 정확도가 높음)이 0.97~0.99로 손실이 거의 없었다. 즉 환자 데이터가 암호화된 상태에서도 기존 비암호화 모델과 동일한 수준의 분석 결과를 제공하는 것으로 나타났다.

연구에 사용된 동형암호 기술은 양자컴퓨터 시대의 안전한 양자내성암호(Post Quantum Cryptography)로서 국제 표준으로도 지정돼 있다. ‘금고를 열지 않고도 내부에서 작업할 수 있는 로봇 팔’에 비유될 만큼, 데이터를 열지 않고 완전히 암호화된 상태에서 실시간 연산과 분석이 가능한 혁신 기술이다.

연구팀은 암호화된 상태 그대로 분석할 수 있는 인공지능을 만들기 위해 세 가지 단계를 거쳤다. 먼저 비암호화된 상태에서 신장 CT 영상을 학습하는 딥러닝 모델을 기준 모델로 만들었다. 이를 위해 총 1만 2,446장의 신장 CT 영상(정상 5,077장, 낭종 3,709장, 종양 2,283장)이 사용됐다.

두 번째 단계로, 기준 모델을 암호화 환경에 맞춘 새 모델로 변형했다. 암호화된 데이터는 소위 ‘크다/작다’와 같은 직접 비교가 불가능하기 때문에 비교 연산을 쓰는 구조를 다항식 함수, 최댓값 대신 평균값을 사용하는 방식으로 바꿈으로써 암호화된 데이터에서도 인공지능이 정상적으로 작동하게 만들었다.

마지막으로 ‘CKKS 스킴(Cheon–Kim–Kim–Song Scheme)’이라는 동형암호 기법을 이용해 환자의 신장 CT 영상을 변환했다. 즉 완전히 암호화된 상태에서 인공지능이 영상을 분석할 수 있게 고도화한 것이다.

CKKS 스킴은 국내 암호학자들이 개발한 동형암호 기법이다. 기존 동형암호는 정수 연산만 가능한 경우가 많은데, CKKS는 실수와 복소수에 대해서도 근사 연산이 가능하다. CKKS를 이용하면 의료 딥러닝 연산처럼 소수점이 필요한 계산을 암호화 상태로 처리할 수 있다. 이번 연구에서는 CKKS 스킴 원천 기술을 가진 크립토랩(CryptoLab)과 협력해 암호화 모델을 개발했다.

연구팀은 연산 효율성을 높이기 위해 데이터 여러 개를 한꺼번에 묶어 계산하거나 필요한 부분만 계산하는 방식도 추가로 도입했다.

그 결과 환자의 신장 CT 데이터를 암호화된 상태 그대로 입력해도 기존 인공지능과 거의 똑같은 정확도로 신장 질환을 구분하는 것으로 나타났다. 물론 암호화 때문에 이미지 크기가 약 500배 커지고 연산 속도가 느려지는 문제도 발생했다. 하지만 고성능 그래픽처리장치(GPU)를 활용한 결과, 1~2분 이내에 모든 분석이 이뤄질 수 있었다.

이상욱 교수는 “향후 고성능 그래픽처리장치 등 하드웨어의 발전과 알고리즘 최적화가 이루어진다면, 이번 암호화 적용 모델은 개인정보 보존형 의료영상 분석의 표준으로 자리 잡을 것이다”라고 말했다.

서준교 교수는 “이번 암호화 모델은 민감한 환자 정보를 안전하게 보호하기 때문에 법적·윤리적 문제를 최소화하면서 AI 진단을 활성화할 수 있는 기술이다”라며 “향후 신장 CT, 엑스레이 등 의료영상 분석에서 이 AI 모델이 폭넓게 활용될 수 있을 것으로 생각한다”라고 내다봤다.

이번 연구는 서울아산병원 생명과학연구원과 과학기술정보통신부 및 한국연구재단, 국가정보통신산업진흥원의 지원을 받아 수행됐다. 연구 결과는 북미영상의학회가 발간하는 국제 학술지 ‘영상의학: 인공지능(Radiology: Artificial Intelligence, IF 13.2)’에 최근 게재됐다.