뇌 영상 기반 설명 가능한 알츠하이머병 조기 예측 인공지능 기술 개발
석흥일 교수팀, 사후가정사고 모방하는 인공지능 개발
IEEE Transactions on Pattern Analysis and Machine Intelligence 논문 게재

▲ 왼쪽부터 인공지능학과 오관석 박사과정(제1저자), 윤지석 박사과정(공동 제1저자), 석흥일 교수(교신저자)

인공지능학과 석흥일 교수와 오관석 석박사통합과정, 윤지석 석박사통합과정 학생의 연구 논문이 인공지능 분야 상위 1%에 해당하는 과학저널 ‘IEEE Transactions on Pattern Analysis and Machine Intelligence’에 미국 시간 8월 10일 온라인 게재됐다.

* 논문제목 : Learn-Explain-Reinforce: Counterfactual Reasoning and Its Guidance to Reinforce an Alzheimer's Disease Diagnosis Model
* 웹사이트 : https://ieeexplore.ieee.org/document/9854196
* DOI : 10.1109/TPAMI.2022.3197845

연구팀은 인간의 사후가정사고를 모방하는 인공지능을 개발하여, 치매 진단에 더욱 고차원적인 설명이 가능한 인공지능(explainable AI, XAI) 기술을 제안했다. ‘사후가정사고’란 인간이 특정 사건을 경험한 후, 일어나지 않은 가상의 대안적 사건을 생각해내는 고차원적인 사고이다. 기존 XAI 기술은 인공지능이 추론한 결론을 정량적 및 시각적으로 해석하는 것에 초점을 두어, 인공지능이 잘못된 결론을 내렸거나 추론 과정이 틀렸을 경우, 이에 대한 설명성이 떨어진다는 한계점이 있다. 반면에, 사후가정사고가 가능한 인공지능은 가상의 대안적 사건을 생성할 수 있어 인공지능이 정확히 판별한 샘플들은 물론, 잘못된 결론을 내린 이유에 대한 근본적인 원인추론이 가능하다. 더 나아가, 기존의 XAI의 기술들과는 달리 비전문가도 이해할 수 있는 수준의 설명성 및 신뢰성을 제공할 수 있는 기술이다.

이번 연구의 목표는 인간 수준의 사고가 가능한 인공지능 기술을 통해 맞춤형 의사결정 보조 시스템을 개발하는 것에 있다. 따라서, 연구팀은 제안한 기술을 알츠하이머성 치매 조기 진단에 적용하여 기존 연구 대비 진단 성능 및 설명가능성을 대폭 향상한 것을 논문에서 보여주었다. 연구팀이 개발한 설명 기술은 정상인의 뇌 영상에서 알츠하이머병을 일으킬 수 있는 뇌 영역에 대한 가설들을 진단 모델에 근거하여 자동으로 생성함으로써 알츠하이머병 조기 진단, 치료 및 분석에 도움을 줄 수 있다. 추가로, 본 기술은 경미한 구조적 변화로 인해 진단 및 사후 예측이 어려운 치매의 전구단계(경도인지장애 등)에 대한 바이오마커 추론 및 분석 또한 가능케 하여 더욱 실용성이 높은 기술임을 입증했다.

연구책임자 및 논문의 교신 저자인 석흥일 교수는 “현재 의료 산업에 인공지능 기술을 접목하는 과도기 단계에서 영상 전문의나 임상의들이 질병 진단 및 사후 예측을 위한 신뢰할 수 있는 보조 시각 정보를 제공하여 더 정확한 진단을 유도할 수 있기를 기대”한다고 말했다. 또한, 본 기술을 통해 “알츠하이머병 진단에 기여하는 대표적인 영역들뿐만 아니라 육안 검사 및 진단 과정에서 임상의들도 구분하기 어려운 잠재적 바이오마커들을 검출하고, 이러한 정보들을 데이터 증강을 통한 인공지능 재학습을 수행함으로써 더욱 강건하고 높은 성능을 도출해내는 모델 개발이 가능”하다고 연구 의의를 밝혔다. 석흥일 교수 연구팀은 후속 연구로 유병률이 낮은 치매 원인 질환에 대한 진단 시스템 및 설명가능한 인공지능을 개발할 예정이다.

논문이 게재된 과학저널 ‘IEEE Transactions on Pattern Analysis and Machine Intelligence’은 2021년 JCR(Journal Citation Reports)에서 인공지능 분야 SCIE 저널 144개 중 2위로 평가된 세계 최고 수준의 과학저널이다. 이번 연구는 과학기술정보통신부의 ‘(2세부) 의사결정 지원을 위한 퓨샷 학습 기반 시각 및 언어에 대한 인과관계 추론기술개발’ 과제와 ‘인공지능대학원지원사업’ 과제의 지원을 받아 수행됐다.


[ 그 림 설 명 ]

▲ 그림1. 제안하는 사후가정맵 생성을 위한 프레임워크



▲ 그림2. 주의 모듈 및 사후가정맵을 모델 학습의 지침으로 사용하기 위한 프레임워크




▲ 그림3. 알츠하이머병 예측을 위한 딥러닝 모델의 학습-설명-강화 프레임워크




▲ 그림4. 다중 시나리오에서의 사후가정맵 생성 시각화 결과

▲ 그림5. 다양한 XAI 방법들과의 정성적 및 정량적 비교 실험 결과

▲ 그림6. 상호보완적 학습 전략을 통한 진단 모델의 성능 및 사후가정맵 개선 결과

커뮤니케이션팀 서민경(smk920@korea.ac.kr)