영상 보고 봉합 처리 배우는 수술 로봇

수술 중 환부 처리 후 봉합 작업은 마지막 마무리인 동시에 단순한 작업의 반복이다. 인텔과 UC버클리가 이런 단조로움을 해결해줄 로봇을 만들었다. 이 로봇은 자동으로 환자 상처를 봉합할 수 있다. 숙련의 봉합 작업 영상을 AI가 학습해 높은 정밀도로 모방할 수 있다고 한다.

모션투벡(Motion2Vec)이라는 영상에서 AI를 학습시키기 위한 시스템은 기존 방법으론 정적 방법으로 학습을 하거나 모방한 움직임 궤적을 미리 학습시켜야 했던 반면 모션투벡은 시각적 관찰을 통해 학습하는 기능을 이용한다는 점에서 차이가 있다.

인간은 눈으로 본 물체의 대략적 움직임은 대체로 한 번 보면 흉내를 낼 수 있다. 반면 로봇은 이를 수십fps로 흐르는 픽셀 스트림으로 이해할 뿐 해당 영상을 해석해 자신의 움직임에 대입하는 작업이 필요하다. 이를 실현하기 위해 연구팀은 샴 네트워크(Siamese Network)를 이용했다. 샴 네트워크는 AI 뉴럴 네트워크를 훈련시키는 방법 중 하나로 이미지 2개가 비슷하거나 유사한 여부를 거리 함수로 계산하는 오래된 기계학습 기법이다.

이 네트워크는 2개 중 유사성을 평가하고 학습하기 위해 예를 들어 감시캠에 비친 얼굴과 증명사진 얼굴을 비교해 동일인 여부 등을 감별할 때 이용한다. 이번 연구에선 의사 팔 움직임을 담은 영상과 수술 로봇팔 움직임 영상을 비교해 로봇 움직임을 인간에 가까운 수준까지 끌어올리는 걸 목표로 했다. 불과 영상 78개를 학습했지만 세분화 정확도는 85.5%, 동작 평균 오차는 0.94cm로 작동할 수 있게 됐다고 한다.

연구팀은 이에 따라 앞으로 의사 손에 의한 수술이 없어질 것이라고 생각하지는 않는다. 이 기술로 단련한 수술 로봇이 운영실에서 실제로 작업할 수 있게 되려면 아직 몇 년은 더 필요하다. 더구나 이는 수술이 거의 끝난 뒤 단조로운 봉합 작업에 국한된다. 물론 적절한 방법으로 AI를 학습시켜 나가면 결국 봉합 뿐 아니라 죽은 조직 제거 등 여러 보조 작업을 맡게 될 가능성도 있다. 하지만 이런 작업을 담당할 수 있게 된다는 것만으로도 외과의사는 수술 시간을 줄이고 복잡한 작업에 집중할 수 있게 될 것으로 기대된다. 관련 내용은 이곳에서 확인할 수 있다.