Gerardo Hermosillo Valadez | Siemens 올해의 발명가 | 평생 공로
X-ray, CT, MRI와 같은 영상 기술은 환자 체내의 뼈와 조직 구조에 대한 상세한 영상을 제공함으로써 수십 년 동안 의료진을 지원해 왔습니다. "이 모든 기술은 정확하게 해석될 때에만 진단에 가치가 있는 이미지 데이터를 제공합니다. 예를 들어, X-ray 영상의 미세한 선이 골절임을 인지하거나 MRI 스캔의 방대한 데이터에서 비정상적인 종괴를 식별할 수 있어야 합니다."라고 Siemens Healthineers(SHS)의 2024년 올해의 발명가 평생 공로상 수상자인 Gerardo Hermosillo Valadez는 설명합니다. "저희 부서에서는 의료 영상을 해석하여 의료진의 업무 부담을 완화하고 지원하는 AI 프로세스를 개발하고 있습니다."
Gerardo Hermosillo Valadez는 2024년 올해의 발명가입니다. 그의 발명은 해부학적 지능을 개발합니다.
사람은 일반적으로 이미지에서 사물을 매우 잘 식별합니다. 예를 들어, 환자의 자세, 촬영 각도, 뼈의 크기, 또는 척추의 변형 여부에 따라 이미지가 크게 다르더라도 대부분의 사람들은 X-ray 영상에서 척추를 쉽게 인지합니다. 컴퓨터는 방대한 양의 적절한 샘플을 통한 딥러닝 기반의 인공 지능을 사용해야만 이러한 작업이 가능합니다. Gerardo는 "인공 지능은 해부학적 지능을 발전시켜 의료 영상 내에서 길을 찾고 다양한 뼈, 장기, 조직을 정확하게 분류할 수 있습니다. 동일한 방식으로 AI는 정상 조직과 비정상 조직을 구별하는 법을 학습할 수 있습니다."라고 설명합니다.
병원 및 진료소의 일상 업무에서 AI 기반 이미지 인식은 다양하게 응용됩니다. 예를 들어, 시스템은 "오른쪽 견갑골 표시"와 같은 명령에 따라 정확한 이미지 데이터를 표시하도록 학습할 수 있습니다. 또한 방사선 검사 시 주입된 조영제가 검사 대상 장기에 도달한 시점을 결정하는 자동화된 지원을 제공하며, 이미지 데이터를 분석하여 잠재적인 병리적 변화를 식별할 수 있습니다. Gerardo가 주도해 온 수많은 혁신 기술은 Siemens Healthineers 제품군 전반에 적용되어 있습니다.
Gerardo는 "인공 지능의 성능은 학습에 사용된 데이터의 질에 좌우됩니다."라고 강조합니다. "MRI 영상에서 종양을 인식하기 위해서는 사전에 제공된 수천 장의 정상 및 환자 영상을 통해 학습해야 합니다." AI 학습에는 지도 학습, 약한 지도 학습, 자기 지도 학습의 세 가지 기본 접근 방식이 있습니다. 지도 학습에서는 "이미지 오른쪽 상단에 종양이 있음"과 같이 각 데이터 세트에 대한 정확한 정보가 제공됩니다. 약한 지도 학습에서는 종양 유무와 같은 최소한의 정보 레이블만 제공됩니다. 자기 지도 학습에서는 데이터에 레이블이 전혀 없으며, AI가 기존 샘플 이미지의 일부를 숨기고 해당 형태를 "추측"하는 방식으로 독립적으로 학습합니다.
그의 발명은 Siemens Healthineers 제품군 전체를 구성합니다.
인공 지능은 의료 영상을 분석하고 이를 정확하게 분류하는 법을 학습할 수 있습니다.
지도 학습은 AI가 학습하는 가장 빠르고 효율적인 방법이지만, 모든 관련 측면을 고려한 충분한 훈련 데이터를 확보하는 데 많은 시간과 비용이 소요됩니다. 자기 지도 학습은 가장 긴 학습 시간이 필요하지만, 고비용의 데이터 레이블링 작업 없이 AI가 독립적으로 수행할 수 있습니다. Gerardo는 "최근 저희는 ChatGPT와 같은 최신 자기 지도 학습 기법에 집중하고 있습니다."라고 말하며, "이는 특히 해부학적 지능 분야에서 큰 도약의 계기가 되었습니다. 이제 당사의 AI는 해부학 도감만큼 정교해졌습니다. 약 200개의 서로 다른 랜드마크(신체 부위)를 구별하고 영상 자료 내에서 해당 위치를 파악할 수 있습니다."라고 덧붙였습니다.
