AI 기반 위내시경 이미지 분석을 통한 위염 자동 진단 알고리즘 개발– 위장관 내시경 영상의 병변 분류를 위한 딥러닝 기술의 임상적 적용 가능성

 

1. 서론: 위내시경 영상의 해석, 왜 자동화가 필요한가?

위내시경은 위염, 위축성 병변, 장상피화생, 위선종, 조기 위암을 식별하는 핵심 진단 도구이다.
그러나 검사자 간 해석 편차, 병변 경계의 모호함, 2D 이미지 기반의 제한 등으로 인해
객관적 판독 표준의 부재는 여전히 임상적 과제로 남아 있다.

이에 따라 최근 딥러닝 기반 의료영상 분석 알고리즘이 도입되며
위내시경 이미지로부터 위염 병리소견을 자동으로 분류·예측하려는 시도가 활발해지고 있다.

---

2. 딥러닝 모델 기반 위염 병변 자동 진단 알고리즘의 원리

2.1 주요 아키텍처: CNN, ResNet, EfficientNet

• Convolutional Neural Network (CNN):
  패치 단위로 병변의 색조, 윤곽, 점막 주름 소실을 학습함
• ResNet(Residual Network):
  심층 네트워크에서도 학습률 저하 없이 정보 손실 최소화
• EfficientNet:
  계산 자원 대비 높은 정확도 확보 가능 → 모바일 내시경 플랫폼 적용 가능성 ↑

2.2 병변 탐지 및 분류 대상

• 위축성 위염: 위주름 소실, 점막 창백, 혈관 노출
• 미란성 위염: 선홍색 발적, 표면 결손
• 장상피화생: 백색 혼탁점막, pseudopolyp 형성
• 위선종/조기암: 경계 불분명한 발적, microvascular abnormality

---

3. 데이터셋 구축 및 라벨링 체계

3.1 내시경 이미지 수집 조건

• NBI(narrow-band imaging), WLI(white light imaging) 포함
• JPEG, DICOM 형식의 이미지 전처리 → 사이즈 정규화, 색채 균일화
• 대형병원 EMR 연동을 통한 병리 진단 기반 GT(Ground Truth) 라벨링

3.2 라벨링 정확도 확보 전략

• 최소 2인의 소화기내과 전문의 더블 블라인드 판독
• 병리학적 확진 병변과의 일치율 ≥90% 확보
• 모호 병변(위축/화생 혼재)은 클래스 간 경계 회피 및 이중 클래스 적용

---

4. 알고리즘 성능 평가: 민감도, 특이도, AUC

4.1 위염 병변 자동 분류 성능 (다기관 개발연구 예시)

병변 유형	정확도	민감도	특이도	AUC
위축성 위염	91.2%	88.4%	93.7%	0.944
장상피화생	87.5%	85.1%	90.3%	0.918
미란성 위염	89.1%	90.6%	87.4%	0.931
위선종	93.4%	92.3%	94.8%	0.962

※ 검증 데이터셋 기준 / 이미지 수 35,000장 / 다기관 영상 포함

4.2 False Positive/Negative 오류 최소화를 위한 보완 전략

• heatmap 기반 Grad-CAM 시각화 도구 적용 → 판독 신뢰도 제고
• 병변 분류 전후 영상 간 temporal matching으로 위치 일관성 확인

---

5. 임상 통합 전략: 보조 진단 시스템으로서의 활용

5.1 내시경 검사 중 실시간 병변 제시 시스템

• 실시간 영상 전송 → AI 병변 탐지 팝업 출력
• 병변 위치 및 추정명 표시 → 판독자에게 참고 정보 제공

5.2 진단 보고서 자동화

• 병변 소견 자동 입력
• NBI 기반 장상피화생 여부 기술 → H. pylori 상태와의 연동 분석 가능

5.3 교육용 플랫폼 연계

• 전공의 및 수련의 대상 영상 퀴즈 시스템 구축
• 실제 병변과 AI 탐지결과 비교를 통해 임상적 직관력 향상

---

6. 보건의료 AI 인증과 규제 이슈

6.1 국내 MFDS 및 국제 SaMD 인증 기준

• 국내: 의료기기 3등급 이상 분류 가능성
• FDA: AI SaMD(Software as Medical Device) 등록 필요
• EU MDR: class IIa 이상, 실시간 판독 기능 존재 시 class III 해당

6.2 인증을 위한 핵심 요건

• AI 성능에 대한 정량적 지표 검증
• 데이터셋 출처 및 윤리적 비식별화
• 인간-기계 인터페이스(HMI) 명확화 → 책임 주체 정의 필요

---

7. 결론: 위염 진단, 인공지능이 ‘보는’ 시대의 도래

AI 기반 위내시경 영상 분석 기술은 단순 보조를 넘어
의사의 병변 인지 민감도를 높이고, 진단 표준화를 유도하는 방향으로 진화하고 있다.
정확도와 안전성, 그리고 판독 책임 범위의 명확화를 전제로 한다면,
AI는 향후 위염, 장상피화생, 위암 조기 진단까지 통합 가능한
임상-기술 융합형 솔루션으로 자리매김할 것이다.