환자 데이터 '병원 밖 유출 없이'… AI 공동 개발 성공

여러 병원이 환자의 민감한 의료 데이터를 공유하지 않고도 인공지능(AI) 모델을 공동으로 개발할 수 있는 기술이 개발됐다.

28일(현지시간) 독일 카를스루에 공과대학(KIT) 연구팀은 '연합 학습' 기술을 이용해 각 병원이 환자 데이터를 외부에 보내지 않으면서 방사선 치료용 AI 모델을 함께 훈련하는 데 성공했다고 밝혔다. 연합 학습은 각 기관이 자체 데이터를 이용해 AI 모델을 개별적으로 훈련한 뒤, 데이터가 아닌 모델 업데이트 정보만 서로 교환해 하나의 AI 모델을 완성하는 방식이다.

연구팀은 이 기술을 방사선 치료 계획 수립에 적용했다. 방사선 치료에는 자기공명영상(MRI), 컴퓨터단층촬영(CT) 등 다양한 영상이 필요한데, AI가 MRI나 콘빔CT(CBCT) 영상으로 CT 영상을 합성할 수 있다. 이를 통해 불필요한 CT 촬영을 줄여 환자의 방사선 노출과 비용 부담을 낮출 수 있다.

치로 베니토 라지오 연구원은 "이 기술은 서로 다른 영상 데이터를 정렬하는 복잡한 과정에서 발생할 수 있는 부정확성을 제거한다"고 설명했다. 연구팀은 뇌, 두경부 영역의 CT 영상 합성을 통해 여러 병원에서 민감한 환자 데이터 교환 없이 AI 모델 훈련이 가능하다는 점을 입증했다.

연구팀은 연합 학습 AI 시스템의 잠재적 보안 위험도 연구했다. 훈련된 AI 모델에서 개별 환자의 영상 데이터가 복원될 수 있는지 등을 조사했으며, 비교적 간단한 조치만으로도 데이터 보안 공격을 막을 수 있음을 확인했다. 라지오 연구원은 "연합 학습 시스템을 의료 현장에서 사용하려면 처음부터 잠재적 보안 위험을 고려해야 한다"고 강조했다.

이번에 개발된 연합 학습 솔루션은 지속가능성 측면에서도 장점이 있다. 연구팀에 따르면 모델 구조에 따라 합성 이미지의 품질 저하 없이 훈련에 필요한 시간과 이산화탄소 배출량을 9~23%까지 줄일 수 있었다. 이는 컴퓨팅 자원이 부족한 소규모 병원에 특히 도움이 될 수 있다.

연구 결과는 국제 학술지 '컴퓨터스 인 바이올로지 앤드 메디신', '프런티어스 인 디지털 헬스', '지속가능한 컴퓨팅: 정보학 및 시스템' 등에 게재됐다.