금오공대, 고위험 유전자 변이를 MRI만으로 비침습 선별하는 '멀티모달 AI 프레임워크' 제안 작성일 06-10 12 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="3r7LyllwOk"> <p contents-hash="1a2572529ad35a8f8d626701a0a3ab61b2ef6504329f7101d2e93ff5042a44c5" dmcf-pid="0mzoWSSrsc" dmcf-ptype="general">국립금오공과대학교(총장 김상호)는 김영우 컴퓨터공학부 교수 연구팀이 상염색체 우성 다낭성 신장병(ADPKD)에서 가장 공격적으로 진행되는 고위험 유전형인 PKD1 절단형(PKD1-T)을 유전자 검사 없이 MRI 영상과 기본임상 정보만으로 비침습적으로 선별하는 인공지능(AI) 프레임워크를 개발했다고 10일 밝혔다. 관련 논문은 의료 AI 분야의 세계 최고 권위 국제학술대회인 'MICCAI 2026(국제의료영상컴퓨팅 및 인터벤션 학술대회)'에서 'Early Accept(조기 게재 확정)'로 선정됐다.</p> <p contents-hash="bfb723ca0c7cfea8500bc27bf152bbaf633a5e95f7e5a2c26d4a6acf740af666" dmcf-pid="psqgYvvmOA" dmcf-ptype="general">'Early Accept'는 통상적인 반박(rebuttal) 심사 단계를 거치지 않고, 초기 심사에서 곧바로 게재가 확정되는 최상위 등급으로, 심사위원들로부터 연구의 독창성과 완성도를 높게 평가받은 경우에만 부여된다. 특히 올해는 지난해 대비 25% 증가한 총 4601편의 논문이 투고됐으며, 이 가운데 약 9%만이 Early Accept로 선정됐다.<br></p> <figure class="figure_frm origin_fig" contents-hash="1ca3ea75479c9d474637acbbe940db7c4bedb34009f7c2a76a7c17ba720702ee" dmcf-pid="UOBaGTTsEj" dmcf-ptype="figure"> <p class="link_figure"><img alt="(왼쪽부터) 김영우 금오공대 교수, 오이벨 발리예프 연구원(제1저자), 조준범 연구원(공동저자)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/10/etimesi/20260610103404034urua.png" data-org-width="700" dmcf-mid="FvT9AggRsE" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/10/etimesi/20260610103404034urua.png" width="658"></p> <figcaption class="txt_caption default_figure"> (왼쪽부터) 김영우 금오공대 교수, 오이벨 발리예프 연구원(제1저자), 조준범 연구원(공동저자) </figcaption> </figure> <p contents-hash="9469231e4bc7dfff3724ee80ac709da32044c30a3a0b6ecb60e0be0b014b798f" dmcf-pid="uIbNHyyOsN" dmcf-ptype="general">이는 전례 없는 수치로 심사 과정이 특히 치열했던 가운데, 1차 평가위원 심사, 분야별 위원장 메타 심사, 그리고 프로그램 위원장 논의를 바탕으로 상위 9%의 논문만이 선정되는 Early Accept로 선정됐다. 논문명은 '영상·유전체 정보를 결합한 계층적 멀티모달 AI: 다낭성 신장병(ADPKD)의 고위험 PKD1 절단형 유전형을 비침습적으로 선별'이다.</p> <p contents-hash="537481ce17298dd2ad2ce8dbd7707d7dd0f406cb4f8a529c9c616308e88fc244" dmcf-pid="7CKjXWWIwa" dmcf-ptype="general">ADPKD는 유전형과 영상 소견이 서로 일치하지 않는 '유전형-표현형 불일치'와 서로 다른 유전형이 MRI에서 비슷하게 보이는 '생물학적 모방' 현상 때문에 조기 위험도 분류가 어렵다. 연구팀은 3차원 MRI에서 추출한 영상 특징을 다수의 기계학습 모델로 압축한 뒤, 이를 나이 및 신장 보정 총신장용적(htTKV) 등 임상정보와 결합하는 2단계 계층적 스태킹 구조를 설계했다. 이 구조는 데이터 누수를 엄격히 차단하는 중첩 교차검증 하에서 학습이 이뤄진 점이 특징이다.</p> <p contents-hash="510ad1cbb1facc4a439d386ec3da9a031aa56fec943f80776c1bae97b5c1cdc3" dmcf-pid="zh9AZYYCmg" dmcf-ptype="general">연구팀은 유전자 검사로 확진된 미국 소재 8개 병원의 코호트 414명을 대상으로 검증한 결과, 제안 모델은 영상 단독 또는 임상 단독 방식보다 우수한 판별 성능을 보였다. 또 민감도와 특이도의 균형, 예측 신뢰도, 임상적 순이익(decision curve analysis) 측면에서도 일관되게 개선된 결과를 보여, 유전자 검사가 어렵거나 비용 부담이 큰 환경에서 고위험 환자를 우선 선별하는 비침습 의사결정 보조 도구로서의 가능성을 입증했다.</p> <p contents-hash="72972f5ed645d4869316ff09141e4e694ac811cd15d88b240469c5fe011be84b" dmcf-pid="ql2c5GGhOo" dmcf-ptype="general">김영우 교수는 “이번 성과는 영상과 임상 데이터를 결합해 유전 검사 접근성이 낮은 환자에게도 조기 위험 선별의 기회를 넓힐 수 있음을 보여준 것”이라며, “지도 학생들과 함께 의료영상 AI 연구의 폭을 계속 넓혀가겠다.”고 밝혔다.</p> <p contents-hash="026028d78d9cee88558adc5823c6ff85eba2b8cb88808a00a93786bd6854ec4d" dmcf-pid="BSVk1HHlOL" dmcf-ptype="general">한편, 이번 연구는 한국연구재단(NRF) 및 한국보건산업진흥원(KHIDI)의 연구비 지원으로 수행됐다.</p> <p contents-hash="2f7db79277289b2bc64adad7a3f97a90bd56e50b2e248d43c37fc9edf3a87e95" dmcf-pid="bvfEtXXSwn" dmcf-ptype="general">구미=정재훈 기자 jhoon@etnews.com</p> </section> </div> <p class="" data-translation="true">Copyright © 전자신문. 무단전재 및 재배포 금지.</p> 관련자료 이전 게임업계, AI 로봇·제조까지 확장…'신생 먹거리'에 역량 집중 06-10 다음 "연구원 두 달 치 일을 단 하루 만에"…베일 벗은 '클로드 5' 06-10 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
