[애저 에브리웨어] "MS클라우드·의료데이터 만나…심정지·뇌출혈 예측"

'애저 머신 러닝' 활용 협업 플랫폼 '이지ML' 개발

심우현 교수 "간편한 전처리 검증·시각화에 초점"

서울아산병원과 외부 전문가·기관 머신러닝 협업

"표준화보단 유사연구 축적해 공통분모 찾는 중"

데이터공유·모델제작 활성화로 의료AI 발전 기대

한석진 한국MS 매니저(왼쪽)와 심우현 서울아산병원 교수. [사진=마이크로소프트 온라인 세미나 영상]

 

의사 연구자들이 의료데이터로 환자의 심정지를 예측하고 뇌출혈을 식별할 수 있는 시스템을 만든 사례가 소개됐다. 해당 연구는 마이크로소프트(MS) 클라우드와 머신러닝 기술을 활용한 의료데이터 분석 솔루션 '이지ML(Easy ML)'의 활용 성과다.

이지ML은 의료데이터를 갖고 있는 병원, 의사 연구자와 외부 데이터사이언스·머신러닝 전문가들이 쉽게 협업해 의료 빅데이터·머신러닝 기술을 적용한 연구와 인공지능(AI) 서비스·솔루션을 개발할 수 있도록 지원하는 솔루션이다.

22일 MS의 온라인 기술 세미나 '애저 에브리웨어' 3일차 발표를 통해 이지ML의 주요 개발 배경과 활용사례, 향후 계획이 공개됐다. 이지ML을 개발한 서울아산병원 융합연구지원센터 빅데이터센터의 뇌공학박사 심우현 교수가 발표를 진행했다.

서울아산병원 빅데이터센터는 의료데이터 분석·활용을 위해 전문기술을 보유한 외부 기관·전문가들과 협업하고자 했다. 부분적으로는 병원 데이터를 외부 기관과 공유하고 활용하기가 과거보다 수월해졌지만, 전반적인 병원 내부 데이터를 활용하고 외부와 더 긴밀하게 협업하려면 체계적인 기술이 필요했다. 이지ML은 이를 위한 도구·시스템으로 만들어졌다.

심 교수는 이지ML 개발 배경에 대해 "최첨단 엔진과 주행시스템에 대한 이해 없이도 운전자들이 자동차로 멋지게 주행할 수 있는 것처럼, 최신 AI 기술 위에 우리의 경험과 노하우를 쌓아 의사 연구자들이 쉽게 활용할 수 있는 인터페이스 솔루션을 만들고자 했다"고 설명했다.

이지ML은 의사를 비롯한 병원·의료분야 연구자들이 보유한 의료데이터를 클라우드에 업로드하고, 데이터를 정제해 머신러닝 모델을 개발해 성능을 측정·검증하기까지의 전체 과정을 간편하게 수행하도록 돕는다. 이 가운데 모델 개발에 필요한 머신러닝·AI 기반기술로 MS 클라우드의 '애저 머신 러닝'을 활용한다.

애저 머신 러닝은 MS 클라우드 기반 협업 플랫폼이다. 코딩 지식이 없는 연구자들을 위해 AI 예측 모델을 자동 생성하는 '오토ML', 모델 제작을 시각적인 조작으로 간편하게 처리하는 '드래그앤 드롭 디자이너', 직접 코딩을 하는 개발자 등 기술 전문가를 위한 대규모 협업·디버깅 등의 기능을 모두 지원한다. 데이터와 모델을 패키징·관리하는 기능도 통합돼 있다.
 

심우현 서울아산병원 교수가 이지ML 아키텍처를 설명하고 있다. [사진=마이크로소프트 온라인 세미나 영상]

심 교수는 이지ML 개발을 통해 "꾸준히 업데이트되는 MS의 최신 AI 기술을 바탕으로 사용자들이 쉽게 의료데이터 분석 연구를 지속할 수 있는 환경을 제공하려 했다"고 밝혔다. 이어 "의료분야에서 성급하게 서비스를 표준화하기보다는 실제 사례를 확보하며 유사 연구로 공통분모를 찾아나가고 있다"고 설명했다.

이지ML 활용 사례의 하나로 중환자실 환자의 심정지 예측 등 위험도 관리 시스템 개발 성과가 소개됐다. 중환자실에선 환자의 혈압과 심박 등 다양한 생체신호를 수집한다. 과거 의사와 간호사들은 이 신호를 보며 환자에게 어떤 이상이 생길지를 예측했다. 지금은 이 생체신호를 머신러닝 기법으로 분석해 환자의 심정지와 같은 이상징후를 예측할 수 있게 됐다.

또 뇌졸중 환자에게서 뇌출혈이 일어나는지 여부를 예측하는 시스템도 개발됐다. 뇌경색 환자가 병원에 방문할 경우 의료진이 환자에게 주입하는 혈전 용해제가 드물게 뇌출혈을 일으킬 가능성이 있다. 이를 예방하기 위해 어떤 뇌경색 환자에게서 뇌출혈이 발생할지, 환자를 어떻게 관리할지를 MS의 '커스텀비전'과 머신러닝 기법으로 예측한 연구가 수행됐다.

이지ML 개발은 계속 진행되고 있다. 심 교수는 이지ML 개발 과정 초기부터 쉽고 연구자들에게 재미있는 사용자인터페이스(UI)를 제공하는 데 집중했다. 머신러닝 작업에 익숙하지 않은 연구자를 위해 기존 활용 사례를 바탕으로 이지ML 사용을 위한 각종 모델 학습 설정값(파라미터)을 추천하는 시스템을 만들었다.

향후 데이터를 클라우드에 올려 전처리하고 모델을 만들어 학습한 결과를 도출해 피드백까지 받을 수 있는 시스템으로 발전시킬 계획이다. 또 고급 사용자에게는 상세하게 지정한 설정값으로 모델 학습을 진행하고 이후 연구자가 논문에 사용할 수 있는 그래프와 도표 등 파일과 설정값을 간편하게 공유할 수 있도록 만들 예정이다.
 

심우현 서울아산병원 교수가 이지ML을 활용한 머신러닝 과정을 설명하고 있다. [사진=마이크로소프트 온라인 세미나 영상]

심 교수는 이 솔루션에서 데이터 전처리와 협업 과정을 간소화하기 위해 MS가 제공하는 툴과 머신러닝 자동화 기능을 많이 적용했다. 모델 제작 후 간편하게 결과를 비교할 수 있는 대시보드 기능을 잘 만드는 데 집중했다. 데이터에 직접 접근할 권한이 없는 외부 연구자들과의 협업을 위해 권한을 세분화해 관리하는 기능을 구현했다.

애저 머신 러닝 플랫폼이 데이터를 활용해 모델을 학습시키는 데 집중돼 있는 점을 보완하기 위해, 로데이터(raw data) 파일을 클라우드에 올린 다음 학습용으로 적합하도록 만드는 가공 기능을 만드는 데 공을 들였다. 드래그앤드롭 등 가급적 쉬운 UI를 제공하면서도 엑셀 등 데이터의 편집, 분류, 연산 등을 지원하고 각종 영상 파일도 처리할 수 있게 했다.

전처리가 끝난 데이터를 학습에 쓰기 전에 연구자가 그 품질을 점검할 수 있도록 했다. 심 교수는 "MS나 여타 머신러닝 툴을 보면 전처리한 데이터를 리뷰 없이 곧장 분석하게끔 하는 경우가 있는데 이건 데이터과학자로서 실수하게 했던 부분"이라며 "데이터를 보면서 노이즈 처리가 잘 됐는지 등을 확인할 수 있는 뷰어 인터페이스에 집중했다"고 설명했다.

이밖에도 데이터를 학습시킨 모델의 성능 측정 결과를 논문에 곧바로 쓸 수 있는 수준의 도표로 생성할 수 있게 하는 기능, 이를 외부 연구자와 공유해 협업할 수 있는 기능을 만드는 데 집중했다. 과거엔 결과를 얻은 뒤 데이터를 별도 저장하고 그래프를 따로 뽑는 번거로움이 있었는데, 연구자가 이 과정을 간소화하고 매끄럽게 후속 연구에 활용하도록 했다.

심 교수는 "MS의 '커스텀비전'이 폴더의 데이터를 클라우드에 올려 클릭 몇 번만 하면 AI 모델을 만들어주는 것을 보고 우리도 의료 데이터를 이렇게 쉽게 활용할 수 있게 하면 좋겠다고 생각해 이지ML 프로젝트를 계획하게 됐다"고 말했다.

이어 "이런 시스템이 한 번에 완성될거라 보진 않는다"면서도 "(이지ML을) 지속 발전시켜 의료 데이터에 관심이 있는 의사·연구자들이 쉽고 재미있게 AI를 연구하고 협업해 다시 환자와 의료진에게 결과가 공유되고 쌓여서 의료기술이 발전될 수 있을 것이라 생각한다"고 기대했다.