페이스북 AI 연구팀인 페어(FAIR)는 뉴욕대학교 랑곤의료센터(NYU Langone Health)와 AI를 활용해 MRI 스캔 속도를 10배 빠른 속도로 실현해 환자 부담을 줄이는 걸 목표로 하는 프로젝트인 패스트MRI(FastMRI)를 진행하고 있다. 연구팀은 새로 패스트MRI 단점을 개선하고 기존 MRI 스캔 이미지 질도 끌어올릴 수 있는 기술을 발표했다.
패스트MRI에 대한 연구 결과는 이미 공개되어 있으며 더 광범위한 커뮤니티가 패스트MRI에 종사할 수 있도록 깃허브에 기준 모델을 구축하기 위한 코드와 데이터세트도 공개하고 있다. 이어 2월 25일(현지시간) 연구팀은 딥러닝을 통해 패스트MRI 문제를 해결하고 MRI 검사 전체에 대한 이미지 품질을 끌어올리는 기술을 발표한 것이다.
연구팀에 따르면 딥러닝을 이용해 원본 데이터에서 정확한 MRI 검사를 하기 위한 과제 중 하나는 스캔 이미지에 들어간 밴딩이나 줄무늬 아티팩트(banding and streaking artifacts) 등이다. MRI 검사 이미지 중 노이즈라고 할 수 있는 이 아티팩트는 훈련을 한 전문가에게는 보이지만 초보자에게는 쉽지 않다. 연구팀은 고속화된 MRI 검사 이미지 평가를 하던 중 가로로 들어간 아티팩트가 이미지 질을 크게 떨어뜨리고 질병을 모호하게 할 가능성이 있다는 걸 알게 됐다고 설명한다.
이 문제를 해결하기 위해 연구팀은 적대적 학습을 통해 MRI 검사에서 낮은 데이터를 검색하고 아티팩트가 들어가지 않은 정확한 MRI 이미지를 생성하는 딥러닝 학습 모델을 만들었다. 적대적 학습은 종종 지폐 위조와 경찰의 관계에 비유된다. 다시 말해 위조자는 가능하면 실제에 가까운 위조지폐를 만들고 경찰은 이게 진짜인지 가짜인지 여부를 판단하지만 경찰의 판단 능력이 오르면 이를 속이려고 위조 기술도 올라간다. 이와 비슷한 구조라는 얘기다.
패스트MRI의 경우 연구팀은 적대적 학습 목표를 아티팩트 패턴 성향을 예측하는 것으로 정했다. 적대 모델과 MRI 이미지 재구축 모델은 동시에 훈련된 것이기 때문에 아티팩트가 사라질 때까지 재구축 모델을 제공하는 동시에 적대적 모델이 아티팩트를 간파하는 정확도도 지속적으로 개선됐다.
이미지에서 왼쪽은 보통 MRI 스캔으로 AI로 가속화한 MRI 검사 사진이며 오른쪽은 적대적 학습에 의해 만들어진 이미지다. 오른쪽은 여분 사선이 사라져 더 선명한 이미지라는 걸 알 수 있다.
AI로 가속화된 MRI는 아티팩트가 큰 과제가 되고 있는 만큼 이번에 발표된 기술은 패스트MRI를 임상 현장에서 쓸 수 있도록 하는 첫 걸음이 될 가능성이 있다. 또 첨단 MRI 스캐너도 아티팩트를 만들기 쉬운 경향이 보고되고 있는 만큼 이번 기술이 개선에 도움이 될 수 있을 것이라고 밝히고 있다. 관련 내용은 이곳에서 확인할 수 있다.