Creating innovative bio-convergent technologies for better human life

학과 홈페이지 기사 사진.jpg

<오유진 박사과정생 (가운데)>

 

 

Q1. 우선 간단한 자기소개 부탁드립니다.

 

안녕하세요, 저는 예종철 교수님 연구실의 오유진 박사과정 학생입니다. 저는 현재 박사과정 1년차 학생입니다. 참고로 저는 박사과정 입학 전, LG전자에 재직하며 의료 방사선 영상처리 SW 개발을 수행한 경험이 있습니다.

 

 

Q2. 지난 5월에 게재된 코로나19 영상진단 기술 연구에 대해 간단한 설명 부탁드릴게요.

 

IEEE Transaction on Medical Imaging의 COVID-19 특집호에 발표된 코로나 19 영상진단 기술 연구는 저와 동 대학원 연구실의 박상준 박사과정 학생이 공동 제1저자로서 예종철 교수님의 지도를 받아 진행한 연구 결과입니다. 

저희 연구팀은 흉부 방사선영상을 활용한 코로나19 영상진단 기술을 개발함에 있어, 팬데믹 상황의 특성상 전 세계적으로 수집되는 정제되지 않은 데이터를 활용해야 하는 한계를 극복하기 위하여, 자체 개발한 전처리(Preprocessing)와 국소 패치 기반 방식(Local Patch-based Approach)을 활용한 인공지능 모델을 개발했습니다. 적은 데이터 세트에서 발생할 수 있는 영상 간 이질성(Heterogeneity)을 일관된 전처리 과정으로 정규화한 뒤, 국소 패치 기반 방식으로 하나의 영상에서 다양한 패치 영상들을 얻어냄으로써 이미지의 다양성을 확보할 수 있었습니다. 또한, 코로나19 환자의 흉부 방사선영상에서 나타나는 병변의 다발성 분포(multi-focally distribution) 특성에서 착안하여, 확률적 특징 지도 시각화(Probabilistic Saliency Map Visualization) 방식을 기반으로 임상적으로 해석 가능한 병변 시각화 방법을 제안하였습니다.

흉부 방사선영상에서의 코로나19 진단 민감도를 향상시킨 본 연구 결과를 바탕으로, 코로나19 감염 여부를 신속하게 진단하여 감염 가능성이 낮은 환자를 사전에 배제함으로써 한정된 의료 자원을 보다 우선순위가 높은 대상에게 효율적으로 배분할 수 있게 하는 선별 진료 수단으로서의 인공지능 알고리즘 SW를 계속해서 개발해 나가고자 합니다. 

 

 

Q3. 이 연구를 진행함에 있어서 가장 어려웠던 점은 어떤 것이 있을까요? 

 

연구를 수행함에 있어 직접적 그리고 간접적으로 어려움이 있었습니다.

첫 번째로는, 당시 코로나19 상황이 국내외로 심각하던 시기였기 때문에, 코로나 19와 관련하여 전 세계적으로 많은 양의 정보가 매일매일 업데이트되었습니다. 수많은 정보 중, 인공지능 모델 개발에 직접적으로 영향을 주는 양질의 정보를 구별해내고 연구에 필요한 데이터 세트와 참고 문헌을 구분하는 작업에 많은 시간이 소요되었습니다. 또한, 저희가 다루는 코로나19 영상 데이터가 전 세계적으로 정제되지 않은 채 수집되었기 때문에, 서로 다른 데이터 간 이질성과 데이터 수집의 어려움에 의해 야기되는 문제들을 해결하기 위하여 연구팀은 다양한 아이디어를 고안해야 했습니다. 

또한, 코로나19 팬데믹 상황 특성상, 저널 투고와 관련된 모든 과정이 제한된 시간 안에 진행되어야 했던 점이 간접적으로 연구 수행에 어려움을 주었습니다. 처음 연구를 시작하기로 기획한 시점부터 최종 결과를 발표하기까지, 모든 연구진이 제한된 시간 안에 연구를 수행하고 결과를 정리하기 위해 많은 밤을 새워야 했고, 각자  맡은 역할을 진행한 뒤 원격 미팅을 통해 결과를 공유하는 일련의 과정을 반복해야 했습니다. 이 과정에서 저는 체력적으로 많은 어려움이 있었고, 이를 계기로 평상시 체력 관리에도 많은 노력을 투자해야 좋은 연구를 지속할 수 있다는 사실을 다시금 느꼈습니다.

 

 

Q4. 이런 인공지능, 딥러닝과 관련된 연구를 하시게 된 이유가 있을까요?

 

앞서 간략하게 언급했듯이, 박사과정 입학 전 전자 제품 제조 회사에서 SW 제품개발을 수행한 경험이 있습니다. 재직 당시, 제가 입사하던 시점에서부터 불과 몇 년 되지 않아, 전통적으로는 가전제품에 직접적으로는 활용되지 않던 인공지능 기술이, 점차적으로 많은 제품에 활용되어 나가는 제조업 산업 전반의 커다란 변화를 체감하였습니다. 이를 통해 앞으로의 IT 업계에서의 인공지능 기술은 선택이 아닌 필수라는 생각이 절실하게 들었습니다. 저는 학부 및 석사학위 전공으로 인공지능과 관련이 있는 연구를 수행한 경험이 없었기 때문에, 조금이라도 빨리 새로운 기술을 공부하고 싶다는 생각이 들었습니다. 또한, 전 세계적으로 자원이 한정적인 의료 서비스와 인공지능의 융합은 보다 큰 시너지를 낼 수 있을 것이라고 생각하여, 카이스트에서의 의료 인공지능 연구 수행을 결심하게 되었습니다.

 

 

Q5. 마지막으로 대학원생이 되려고 하는 어린 친구들에게 한마디 부탁드릴게요.

 

저는 본인이 관심 있는 분야를 마음껏 연구할 수 있는 것만큼 행복하고 또 보람찬 일은 없다고 생각합니다. 그러기 위해서는 내가 좋아하는 학문 주제가 무엇인지 파악하는 것이 가장 중요할 것이고, 또한 이와 관련한 연구를 잘 할 수 있는 능력을 미리미리 쌓아두는 것이 대학원생 생활에 큰 도움이 될 것이라고 생각합니다. 그리고, 연구를 수행할 마음을 먹었다면 본인의 생각을 지도 교수님과 연구실 선배들께 잘 전달해서 하고 싶은 연구를 수행할 수 있는 환경을 스스로 만들어 나가는 노력도 필요하다고 생각합니다.

대학원생이 되고자 하는 학생분들이 본인이 하고 싶은 연구 주제를 찾아 이를 수행할 수 있는 좋은 환경에서 훌륭한 연구를 수행해나갈 수 있길 기원합니다.

 

 

(김태현 기자, gth0918@kaist.ac.kr)