[창간9주년특집 IV] 디지털의 미래- 치과계에 빠르게 확산되는 인공지능 기술
상태바
[창간9주년특집 IV] 디지털의 미래- 치과계에 빠르게 확산되는 인공지능 기술
  • 이기선 교수
  • 승인 2021.03.15 09:32
  • 댓글 0
이 기사를 공유합니다

인공지능과 치과의 만남
고려대학교 안산병원 치과보철과 이기선 교수
-고려대학교 안산병원 정밀의료사업단 AI연구부 연구교수
-서울대학교 의과대학 의공학 박사

최근 수년간 딥러닝을 기반으로 하는 인공지능(AI: Artificial intelligence)의 기술 적용 범위는 이제는 산업영역을 가리지 않고 전방위적으로 확대되고 있다.

심지어 전통적인 제조업이나 농업 분야를 포함해 이제는 인공지능(AI) 기술이 적용되지 않는 산업분야를 찾기가 힘들 정도이다. 수년 전부터 시작된 치의학에 대한 디지털 기술의 접목은 광학 스캐너를 이용한 디지털 인상, CAD/CAM을 이용한 치과 기공물 제작 등 인공지능 기술의 적용이 진료 지원시스템에 가까웠지만, 지금은 진단 및 치료 영역으로까지 확대되고 있다.

사실 인공지능(AI) 기술이라는 것은 광의의 개념으로, 기계나 컴퓨터가 하는 모든 자동화 기술을 일컫는다. 디지털 X-ray 촬영이나, 구강스캐너 기술, CAD/CAM에 의한 기공물 디자인 및 3D 프린팅 출력 및 밀링작업 등도 사전적 의미로는 모두 인공지능(AI) 기술에 속하는 것이다.

그림 ①. 인공지능(AI), 머신러닝(ML), 딥러닝(DL)의 구분 및 관계에 대한 모식도. 우리가 흔히 상상하는 기계가 학습에 기반한 판단에 의한 의사결정을 내리는 기술은 인공지능 기술 중 딥러닝 기술에 가깝다고 봐야 한다(그림 출처: LG-CNS 블로그 https://blog.lgcns.com/2212)
 

흔히들 상상하는, 주어진 환자 데이터를 보고 전문의 수준으로 자동 진단을 하는 것은 기계가 직접 학습한 내용을 보고 결정을 내릴 수 있는 수준의 인공지능 기술로 사실 딥러닝(Deep Learning) 기술에 가까운 것이다<그림 ①>.

특히 딥러닝 기술은 전문적으로 특정 기능을 할 수 있도록 심층신경망(Deep Neural Network)을 학습시키는 기술로, 마치 실제 인간을 학습시키는 것과 유사한 훈련 단계를 필요로 한다. 이런 딥러닝 기술을 이용할 경우 양질의 데이터만 충분히 있다면 전문의 수준의 의료데이터를 기반으로 한 자동진단이나 진단 보조 시스템을 만들 수 있다<그림 ②>.

그림 ②. 인간의 생리적 뇌신경의 작용<상>과 유사하게, 학습을 통하여 사물을 구별 할 수 있는 딥러닝 기술<중>을 이용할 경우, 의료영상을 대상으로 한 인공지능 기반의 자동진단이 가능하다<하>.

이같이 기계에 의한 자동진단기술이 적용된 치과분야를 생각할 때 가장 먼저 떠오르는 분야는 아마 교정학일 것이다. 치과교정학의 경우 진단과정에서 수많은 기준점 및 기준평면을 가지고 환자의 치료방향을 결정해 왔기에 상당량의 수치화된 데이터가 이미 누적돼 있는 분야이기도 하다. 특히 딥러닝 기술의 경우 양질의 대량의 데이터를 필요로 하기 때문에 이미 수치화 돼 있는 빅데이터가 있는 교정학 분야의 경우 딥러닝 기술 적용이 용이하다. 이에 따라 이런 상용화 돼있는 딥러닝 기반의 자동화된 진단 소프트웨어가 가장 많이 출시돼 있는 분야가 교정학 분야이다<그림 ③>.

그림 ③. 국내의 인공지능기반의 자동 교정진단 플랫폼들(상-좌: 바텍 계열사 이우소프트의 이지오소(EzOrtho), 상-우: 어셈블써클의 WebCeph, 하-좌: 라온피플의 LaonCeph(라온셉), 하-우: 디디에이치(DDH)의 디디하임 클리어(ddhaim clear)

디지털화된 데이터의 누적과 딥러닝 알고리즘의 획기적인 성능 향상으로 치과교정학 분야 이외에도 딥러닝 기반의 자동 진단 기술의 연구는 다른 치과 전문분야에도 활발하게 이뤄지고 있다.

구강악안면외과의 경우 파노라마 엑스레이 기반의 치아 낭종의 자동분류, 치과보존과 분야인 치근단 사진을 기반으로 한 치아 우식여부 판단, 치주과 분야의 치주염 진행 정도의 판단 등 최근 2019년 이후 1~2년 사이에 다른 치과 분야에서도 딥러닝 기술의 적용이 활발히 이뤄지고 있다<그림 ④~⑥>.

그림 ④. 심층신경망 학습을 통해 파노라마나 CBCT상에서 치아 낭종(OKC, Dentigerous Cyst, Periapical cyst)을 자동으로 진단하는 알고리즘(출처: Diagnosis of cystic lesions using panoramic and cone beam computed tomographic images based on deep learning neural network, JH Lee, DH Kim, SN Jeong - Oral diseases, 2020)
그림 ⑤. 심층신경망 학습을 통해 치근단 사진상 치아 우식의 자동으로 진단하는 알고리즘(출처: Detection and diagnosis of dental caries using a deep learning-based convolutional neural network algorithm, JH Lee, DH Kim, SN Jeong, SH Choi - Journal of dentistry, 2018)
그림 ⑥. 심층신경망 학습을 통해 치주염 치아를 자동 진단하는 알고리즘 (출처: DeNTNet: Deep Neural Transfer Network for the detection of periodontal bone loss using panoramic dental radiographs, J Kim, HS Lee, IS Song, KH Jung - Scientific reports, 2019)

학습을 통해 자동 진단을 하는 딥러닝의 기본적인 알고리즘 활용 분야는 사실상 거의 무궁무진하다고 볼 수 있다. 다만 전문적 수준의 정확도를 확보하기 위해서는 대량의, 그것도 양질의 데이터의 확보가 우선돼야 한다. 다른 의과 분야에 비해 아직 치과 분야는 딥러닝 기반의 인공지능기술의 적용이 초기 단계라고 보여지긴 하지만, 그렇기에 향후 발전 가능성이 매우 높은 연구분야라고 할 수 있다.


관련기사

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.
이런제품어때요?
놓치면 후회할 핫딜