아주대의대 연구팀, 국제 결핵 진단 AI 경진대회 1위

MICCAI 2026서 흉부 X선·환자정보 결합한 멀티모달 AI 개발 성과 인정 촬영장비·의료환경에 따른 진단 편향 줄이고 국제 외부평가로 성능 검증

아주대학교 의과대학 생리학교실·대학원 분자과학기술학과 이광 교수 연구팀이 국제 의료영상 인공지능(AI) 경진대회에서 1위를 차지했다.

아주대의대는 이광 교수 연구팀이 ‘2026 국제의료영상처리학회(MICCAI 2026)’의 결핵 진단 AI 경진대회에서 최종 1위에 올랐다고 28일 밝혔다. 연구팀은 9월 27일 프랑스 스트라스부르에서 열린 시상식에서 수상했다.

이번 성과에는 아주대의대 생리학교실 Sampa Misra 연구조교수와 권민준·장용은 박사가 참여했다.

MICCAI(Medical Image Computing and Computer Assisted Intervention)는 의료영상 분석과 인공지능, 컴퓨터 보조진단 분야의 최신 연구 성과를 공유하는 국제 학술대회다. 이번 경진대회에서는 다양한 의료환경에서 수집한 흉부 X선 영상을 활용해 결핵을 진단하는 AI 모델의 성능을 평가했다.

흉부 X선·임상정보 결합…진단 편향 줄이는 데 초점
연구팀은 대규모 흉부 X선 데이터로 사전학습된 ‘Ark+ Swin-Base’ 의료 파운데이션 모델을 기반으로, 흉부 X선 영상과 환자의 임상정보를 함께 분석하는 멀티모달 AI 모델을 개발했다.

개발 과정에서는 AI가 결핵의 영상학적 특징보다 의료기관이나 촬영장비의 특성을 잘못 학습할 수 있다는 점에 주목했다. 특정 환경에서 수집한 데이터에 의존하면 다른 의료기관이나 촬영 조건에서 모델을 적용할 때 성능이 달라질 수 있기 때문이다.

연구팀은 이러한 진단 편향을 줄이기 위해 장비 제조사와 촬영 조건 등 편향을 유발할 수 있는 정보를 배제했다. 대신 연령과 성별 등 핵심 환자 정보만 영상 특징과 결합하도록 모델을 설계했다.

결핵 양성 데이터가 상대적으로 적다는 문제를 보완하기 위해서는 ‘클래스 가중치 학습’을 적용했다. 결핵 양성 사례에 더 큰 중요도를 부여해 학습하는 방식이다.
AI의 판단이 불확실한 영상에는 ‘테스트 시간 증강(Test-Time Augmentation, TTA)’ 기법을 선택적으로 적용했다. 이는 하나의 영상을 여러 형태로 변형해 반복 분석한 뒤, 각각의 예측값을 평균해 최종 결과를 도출하는 방법이다.

연구팀은 이와 함께 여러 모델의 예측 결과를 통합해 진단의 안정성과 정확도를 높였다.

여러 국가의 외부 데이터로 일반화 가능성 평가
연구팀은 개발한 모델이 서로 다른 의료환경에서도 적용될 수 있는지 확인하기 위해 다양한 외부 데이터를 활용했다.

주최 측이 제공한 내부 데이터뿐 아니라 Montgomery/Shenzhen, Pakistan TB Dataset, TBX11K, TB-Chest Rad 등 국가와 의료환경, 촬영 조건이 서로 다른 데이터에서 모델의 성능을 평가했다.

이후 경진대회에서 제공한 다기관 국제 외부평가 데이터를 통해 결핵 진단 성능을 최종 검증했다. 연구팀은 해당 평가 결과를 바탕으로 최종 1위를 차지했다.

이번에 개발한 기술은 흉부 X선 영상에서 결핵 병변을 탐지해 의료진의 진단을 지원하는 데 활용될 것으로 기대된다. 특히 영상의학과 전문의가 부족한 의료 취약지역에서 결핵 등 질환을 신속하게 선별하는 원격 진단 보조 기술로 발전시킬 가능성이 제시됐다.

다만 이번 성과는 경진대회 데이터와 외부평가를 통해 확인된 것으로, 실제 임상 현장에서의 적용 성과와는 구분된다.

이광 교수는 “이번 성과는 결핵 분야에 대한 선행 연구 경험 없이 처음 접한 글로벌 의료영상과 환자정보를 활용해 단기간에 세계적 수준의 AI 모델을 개발했다는 점에서 연구팀이 보유한 의료 AI 기술력을 확인한 결과”라며 “이번에 확보한 기술을 바탕으로 실제 임상 환경에서 활용할 수 있는 다양한 의료 AI 기술로 발전시켜 나갈 계획”이라고 말했다.

한편, 이번 연구는 한국연구재단의 중견연구자지원사업과 기초연구실지원사업의 지원을 받아 수행됐다.