국립금오공과대학교는 최근 김영우 컴퓨터공학부 교수 연구팀의 논문이 의료 AI 분야 국제학술대회인 'MICCAI 2026'(국제의료영상컴퓨팅 및 인터벤션 학술대회)에서 '얼리 어셉트'(Early Accept, 조기 게재 확정)로 선정됐다고 10일 밝혔다.
얼리 어셉트는 통상적인 반박 심사 단계를 거치지 않고 초기 심사에서 곧바로 게재가 확정되는 최상위 등급이다. 심사위원들로부터 연구의 독창성과 완성도를 높게 평가받은 경우에만 부여된다.
올해는 지난해 대비 25% 증가한 총 4601편의 논문이 투고됐으며 이 가운데 약 9%만이 얼리 어셉트로 선정됐다.
김 교수팀은 상염색체 우성 다낭성 신장병(ADPKD)에서 가장 공격적으로 진행되는 고위험 유전형인 PKD1 절단형을 유전자 검사 없이 MRI 영상과 기본임상 정보만을 활용해 비침습적으로 선별하는 AI 프레임워크를 제안했다. 논문 제목은 'Radiogenomics-Driven Hierarchical Multimodal Stacking for Non-Invasive Triage of High-Risk PKD1-Truncating Genotypes in ADPKD'다.
ADPKD는 유전형과 영상 소견이 서로 일치하지 않는 유전형-표현형 불일치와 서로 다른 유전형이 MRI에서 비슷하게 보이는 생물학적 모방 현상 때문에 조기 위험도 분류가 어렵다.
연구팀은 3차원 MRI에서 추출한 영상 특징을 다수의 기계학습 모델로 압축한 뒤 이를 나이 및 신장 보정 총신장용적 등 임상정보와 결합하는 2단계 계층적 스태킹 구조를 설계했다. 데이터 누수를 엄격히 차단하는 중첩 교차검증 하에서 학습이 이뤄진 점이 특징이다.
연구진이 유전자 검사로 확진된 미국 소재 8개 병원의 코호트 414명을 대상으로 검증한 결과, 제안 모델은 영상 단독 또는 임상 단독 방식보다 우수한 판별 성능을 보였다.
특히 민감도와 특이도의 균형, 예측 신뢰도, 임상적 순이익 측면에서도 일관되게 더 나은 결과를 보여 유전자 검사가 어렵거나 비용 부담이 큰 환경에서 고위험 환자를 우선 선별하는 비침습 의사결정 보조 도구로서의 가능성을 입증했다.
김 교수는 "영상과 임상 데이터를 결합해 유전자 검사 접근성이 낮은 환자에게도 조기 위험 선별의 기회를 제공할 수 있게 됐다"며 "학생들과 함께 의료영상 AI 연구의 폭을 넓혀가겠다"고 말했다.
한편 이번 연구는 한국연구재단과 한국보건산업진흥원의 지원을 받아 수행됐다.