메이요 클리닉, 환자가 찍은 사진으로 수술 부위 감염 잡아내는 AI 개발

수술을 마치고 퇴원한 뒤 상처 부위가 붉게 달아오르면, 정상적인 회복 과정인지 상처가 곪아가는 감염인지 환자 스스로 판단하기는 매우 어렵습니다. 지금까지는 환자가 병원 포털에 사진을 찍어 올리면 의사가 수많은 메시지 틈에서 직접 눈으로 확인하는 수밖에 없었습니다.

메이요 클리닉(Mayo Clinic) 연구팀이 환자가 직접 스마트폰 등으로 촬영해 전송한 사진에서 수술 부위 감염(SSI)을 감지하는 인공지능 시스템을 개발했습니다. 이번 연구 결과는 외과학 분야 권위지인 '외과학 연보(Annals of Surgery)'에 게재되었습니다.

절개 부위 식별부터 저화질 사진 선별까지

환자가 집에서 직접 찍어 올리는 사진은 조명이 제각각이거나 초점이 나가는 경우가 많습니다. 연구팀은 비전 트랜스포머(Vision Transformer) 기반 딥러닝 모델을 활용해 단순히 감염 여부만 보는 것이 아니라 사진 품질 평가와 절개선 위치 파악까지 한 번에 처리하도록 설계했습니다.

이 시스템은 메이요 클리닉 산하 9개 병원에서 6000명 이상의 환자로부터 수집한 2만 장 이상의 실제 상처 이미지를 학습했습니다. 테스트 결과 수술 절개 부위를 찾아내는 정확도는 94%를 기록했으며, 감염 여부를 식별하는 곡선하면적(AUC) 수치는 81%에 달했습니다.

연구 공동 교신저자인 코넬리어스 틸스(Cornelius Thiels) 박사는 인공신경망이 육안으로 놓치기 쉬운 가장자리와 패턴 특징을 효과적으로 추출한다고 설명했습니다. 연구팀은 향후 절개 부위뿐 아니라 배액관이나 장루 사진 판독에도 동일한 파이프라인을 적용할 계획입니다.

의료 AI의 고질병인 인종 편향 검증

피부나 상처를 분석하는 의료 비전 AI는 피부색에 따른 편향 문제가 자주 발생합니다. 기존 모델 대다수가 밝은 피부 톤 데이터로 훈련되어 어두운 피부 환자에 대해 정확도가 크게 떨어지거나 성별에 따른 편차가 나타나곤 했습니다.

메이요 클리닉 연구팀은 개발 초기부터 편향성 검증에 집중했습니다. 연구팀이 논문에서 인종별 민감도 분석을 수행한 결과 인종 간 성능 차이가 거의 나타나지 않아 높은 일반화 가능성을 입증했습니다. 연구팀은 현재 환자의 피부 톤별로 모델이 고르게 작동하는지 확인하는 추가 분석을 진행 중입니다.

미국 질병통제예방센터(CDC) 통계에 따르면 수술 부위 감염은 병원 내 감염의 20%를 차지하며, 연간 비용만 약 33억 달러에 달합니다. 감염이 발생하면 입원 기간이 평균 9.7일 늘어나고 입원비도 회당 2만 달러 이상 추가로 발생합니다.

왜 중요한가

가정에서 회복 중인 환자에게 이 기술은 불필요한 공포를 덜어주는 1차 안전망 역할을 합니다. 스마트폰으로 상처를 찍어 올리기만 해도 이상 징후를 조기에 포착해 재입원이나 심각한 합병증을 막을 수 있습니다.

우리는 메이요 클리닉이 AI에게 진단 전권을 맡기지 않고 '의료진의 업무 분류 도구'로 포지셔닝한 점을 높이 평가합니다. 통원 수술과 원격 모니터링이 늘어나면서 의료진은 쏟아지는 환자 사진을 검토하느라 번아웃을 겪고 있습니다. 질 낮은 사진을 걸러내고 응급 위험이 있는 상처를 우선순위 목록 상단에 올려주는 것만으로도 의료 자원 낭비를 크게 줄일 수 있습니다.

다만 감염 검출 AUC가 81% 수준이라는 점은 한계로 작용합니다. 스크리닝 보조 도구로는 훌륭하지만 단독 진단 도구로는 오진 위험이 따릅니다. 집안의 불규칙한 조명과 배경 속에서 모델이 얼마나 일관된 판독력을 유지할 수 있을지, 그리고 메이요 클리닉 밖의 열악한 지역 병원에도 안착할 수 있을지가 상용화의 관건입니다.