연구진(상단 좌측부터 성대운, 이의민, 전만식 교수, 김홍균 교수, 김지현 교수), 각막 이식체의 두께 및 부피를 자동으로 측정하는 딥러닝 기반 모델 설명. (사진 제공 = 경북대학교 ICT융합연구센터)

경북대학교 전자전기공학부 전만식, 김지현 교수, 공동 연구팀과 경북대학교 병원(안과) 김홍균 교수 연구팀은 각막 수술 예후 평가에 사용되는 생체 적합성 평가지표 중 하나인 이식체의 두께 및 부피를 딥러닝 모델을 통해 자동으로 측정하는 기법을 개발했다.

이번 연구는 ‘의료 과학 및 서비스(Health care sciences and services)’ 분야 국제 학술지이자 네이처 리서치(Nature Research)의 온라인 의학 저널인 ‘디지털 메디신(npj Digital Medicine)’에 게재됐다.

각막 이식체의 생체 적합성을 판단하는 것은 각막 수술의 예후를 평가하는 데 중요하다. 기존의 각막 이식체를 분석하는 방식은 초음파 측정기를 직접 각막에 접촉시켜 두께를 분석하는 초음파 각막 두께 측정방법(Ultrasound pachymetry)이 있다.

이번 연구에서 연구팀은 ‘광간섭단층촬영기기(Optical Coherence Tomography, 이하 OCT)’ 기술을 사용하였다. OCT는 광간섭 효과와 간섭계를 이용하여 조직의 이미지를 얻는 기술로, 레이저 빛을 조직에 조사했을 때 반사되어 돌아오는 빛을 분석하여 조직의 단층 구조와 특성을 영상화하는 장비이다.

이 기술은 접촉, 외과적 침습, 파괴, 염색 없이 조직의 다양한 정보를 제공할 수 있어 안과에서는 대표 기술로 사용되고 있으며, 다양한 의료 및 산업적 검사장비 분야에서도 활용되고 있다. 본 연구팀은 OCT에 인공지능 기술을 결합하여 각막에 이식된 이식체의 자동영역분할·측정·분석을 진행할 수 있는 딥러닝 모델을 개발했다.

개발된 각막 수술 예후 평가 딥러닝 모델 중 ‘자동영역분할 단계’에서는 생체에 인공 각막이 이식된 각막의 OCT 영상에서 각막과 인공 각막의 영역을 자동으로 구분하여 분류해준다. 이 단계에서 이식수술과 학습을 진행하기 위한 데이터셋 제작을 경북대학교 안과병원에서 담당하였다.

이후, ‘측정/분석 단계’에서는 도출된 결과물을 3차원으로 재구성하여 각막 이식체의 전체 영역에 대한 잔량과 두께의 분포를 분석하였으며, 개체 간의 특성이나 이식 후 경과한 시간에 영향을 받지 않고 각막 이식체를 분석할 수 있음을 확인했다.

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 지역지능화혁신인재양성사업, 한국연구재단의 중견연구자지원사업의 지원으로, 경북대학교 전자공학부 전만식, 김지현 교수, 전자전기공학부 박사과정 성대운, 이의민, 김윤석, 경북대학교 병원 안과 김홍균 교수 공동 연구팀에 의해 수행됐다.