[과학산책] 박성홍 교수

박성홍.PNG

이번달에는 Biomedical Imaging 분야에서 MRI관련 연구를 진행하고 계시는 박성홍 교수님과 면담을 진행하였습니다.

Q1. 안녕하십니까, 박성홍 교수님. 교수님께서 어떤 연구를 진행하고 계시는 대한 간략한 설명 부탁드립니다.

우리 연구실에서 진행하는 연구는 새로운 MRI 촬영 및 영상 재구성 기법을 개발하여 임상에 유용하게 사용되게 하는 것을 목표로 하고 있습니다.

생체/기능에 관한 새로운 이미징 바이오마커, 뇌 영역 간 통신을 뉴런진동 주파수 별로 매핑하기 위한 차세대 fMRI 기법, 영상 촬영/진단을 고속화/자동화하기 위한 딥러닝 네트워크, 수술과 이미징을 동시에 수행하기 위한 intraoperative MRI 기법 등을 개발하고 있습니다.

Q2. 일반적인 영상들과 교수님께서 주로 다루시는 의료영상의 차이점은 어떤 것들이 존재하나요?

기존 이미지 처리에 사용되는 많은 기법들이 의료영상 처리에도 사용될 수 있습니다. 영상이 만들어진 이후의 처리가 아니라 의료영상의 획득과 재구성 과정은 다른 영상과정과는 많이 다릅니다. 의료 영상의 경우 주파수 도메인 또는 Spatial 도메인에서 여러 번의 데이터 획득을 통해서 하나의 영상을 얻기 때문에 영상에 움직임과 같은 다양한 요인에 의해 인공물이 많이 생깁니다. 요즘 의료영상의 획득과 재구성에 딥러닝을 많이 사용하는데, 다른 분야에 적용하는 딥러닝과 다르게 데이터의 수가 많이 제한적인 단점이 있습니다. 이런 한계점을 극복하기 위한 연구들이 많이 이루어지고 있습니다.

Q3. 의과대학에도 영상의학과가 존재한다고 알고 있습니다. 그렇다면 공학자들이 바라보는 의료영상과 의사들이 바라보는 의료영상에 차이점이 있을까요?

의사들은 영상을 진단의 관점에서 바라보고 공학자들은 영상의 quality(SNR, CNR, resolution)를 개선하고 기존에 못 보던 정보를 보여주는 데 관심이 있습니다. 병 진단의 정확도를 높이고자 하는 점에서 목표는 같다고 볼 수 있습니다. 전쟁터로 비유하면 의사들은 전쟁터에서 전쟁하는 사람들이고 공학자들은 무기를 제공해주는 사람들이라고 볼 수 있습니다.

Q4. 최근 의료영상처리에서 트렌드는 어떠한가요?

의료영상에서 요즘 가장 hot한 트렌드는 역시 딥러닝입니다. 의료영상의 획득, 재구성, 처리, 진단까지 거의 모든 분야에 딥러닝 연구가 주류를 이루고 있습니다. 앞서 언급했듯이 데이터의 수가 제한적인 점과 개발된 딥러닝 네트워크가 다양한 상황에서 reliable하게 동작하도록 하는 것이 큰 이슈입니다.

Q5. 교수님께서 연구하시는 것들이 실제 병원이나 현장에서 사용하고 있는 사례를 여쭈어 봐도 될까요?

우리 같은 MRI physicist들이 개발하는 거의 모든 기술들은 몸에 해로운 방사능이 없고 임상 적용이 가능하기 때문에 MRI 제조사가 채택하기만 하면 바로 병원에 공급됩니다. 보통 새로운 MRI 촬영기법을 개발하면 MRI 제조사가 채택하기 전까지 병원과 협력하여 환자에 테스트하여 유용성을 평가합니다. 환자에 바로 테스트해볼 수 있다는 점이 우리가 하는 연구의 가장 큰 매력이라고 볼 수 있습니다. 약물을 개발한 후 사람에게 적용하기 까지는 수많은 난관과 비용이 발생하지만, MRI 촬영기법은 그런 난관이 거의 전무하다고 해도 과언이 아닙니다.

Q6. 교수님께서 생각하시기에 미래 의료영상 분야의 발전방향은 어떻게 될 것이라 전망하시는 가요?

딥러닝을 통해 더 빨리 더 정확하게 진단하는 촬영기법 또는 하드웨어 개발, 의료 혜택을 많이 못 받는 개발도상국에 제공할 수 있는 저비용 또는 portable 의료영상장비 개발, 기존에 못 보던 임상정보를 볼 수 있는 새로운 의료영상장비 개발 등이 향후 연구주제가 될 것으로 보입니다.

Q7. 마지막으로 의료영상에 관한 연구를 위해 필요한 지식과 자세에 대해 말씀해주시면 감사하겠습니다.

의료영상은 사실 매우 복합적인 학문입니다. 공학기반의 지식으로 새로운 촬영기법이나 시스템을 개발할 수 있고, 화학적인 지식으로 조영제나 기존에 못 보던 생리화학적인 촬영술을 고안할 수도 있을 뿐만아니라, 뇌나 생물적인 지식에 기초하여 우리 몸의 기초적인 메커니즘을 밝히는 연구도 가능합니다. 어느 분야 누구든지 상관없이 의료영상을 tool로 해서 열심히 연구하여 society에 기여하겠다는 마음가짐이 있으면 이 분야에 뛰어들 수 있다고 생각합니다.

조재욱 기자(jjo2883@kaist.ac.kr)