서울대병원, 드문 용종까지 감지하는 AI 대장내시경 보조 시스템 ‘ColonOOD’ 개발

서울대병원이 국내 연구진과 함께 드물게 발생하는 대장 용종까지 감지할 수 있는 인공지능(AI) 기반 대장내시경 보조 시스템 ‘ColonOOD’를 개발했다. 이 시스템은 단순한 분류 기능을 넘어, 각 용종에 대한 분류의 ‘신뢰도’까지 함께 제공하는 방식으로 의료진의 임상 의사결정을 효과적으로 보조하는 것이 가장 큰 특징이다.

이번 연구는 서울대병원 영상의학과 이동헌 교수와 서울대 데이터사이언스대학원 김형신 교수 공동연구팀이 주도했으며, 서울대병원 강남센터, 서울아산병원, 세브란스병원, 이대서울병원 등 국내 4개 의료기관과 2개 공개 데이터셋을 포함한 약 3,400건의 대장내시경 영상을 기반으로 진행됐다. 연구 결과는 인공지능 분야의 권위 있는 국제학술지 Expert Systems with Applications 최신호에 게재됐다.

대장암은 국내 암 발생률 2위, 사망률 3위를 차지하는 주요 암종으로, 조기 진단을 통해 사망률을 최대 53%까지 낮출 수 있는 것으로 알려져 있다. 대장암의 주요 전구 병변인 대장 용종은 ‘선종성 용종’(고위험)과 ‘과형성 용종’(저위험)으로 구분되며, 최근 내시경 진단 보조용 AI 시스템들이 의료현장에 도입되고 있다.

그러나 기존 시스템들은 대부분 주요 두 유형에만 초점을 맞춰 학습되어 있어, 발생 빈도가 낮은 ‘소수 유형 용종’의 감지에는 한계가 있었다. 이에 연구팀은 새로운 분류 체계를 적용해 소수 유형 용종까지 감별 가능한 ‘ColonOOD’를 개발했다.

ColonOOD는 내시경 영상에서 용종의 위치를 자동으로 찾아낸 뒤, 주요 고위험 용종은 1차로 분류하고, 분류가 불확실한 경우에는 다시 추가 분석을 통해 저위험 또는 소수 유형 용종 여부를 판단하는 다단계 분류 구조를 갖추고 있다. 이 시스템은 각 용종 분류 결과마다 ‘신뢰 수준(High/Low)’을 함께 제시하여, 내시경 전문의가 판단 시 참고할 수 있도록 설계되었다.

실제 임상 데이터를 기반으로 한 검증 결과, ColonOOD는 전체 용종을 최대 79.7%의 정확도로 분류했으며, 특히 감지하기 어려운 소수 유형 용종도 최대 75.5%까지 정확하게 판별한 것으로 나타났다.

이동헌 교수는 “이번 연구는 AI 기반 대장내시경 시스템 중 처음으로 드문 용종까지 감지 가능한 모듈을 탑재한 성과로, 임상의가 불확실한 상황에서도 신뢰 기반 진단 결정을 내릴 수 있게 해줄 것”이라며 “ColonOOD는 향후 실제 임상에서 높은 활용 가능성을 지닌 도구가 될 것이며, 다기관 확장 연구를 통해 추가 검증을 진행할 계획”이라고 밝혔다.

이번 연구는 AI 기술이 암 조기 진단의 정확도와 효율성을 어떻게 실질적으로 끌어올릴 수 있는지를 보여주는 대표적인 사례로 평가받고 있으며, 향후 의료현장에서의 실용화 가능성에 대한 기대가 크다.