바이오인

머신러닝 기반 녹내장 진단 기술

I. 결과물 개요

II. 기술의 개념 및 내용

1. 머신러닝을 적용한 녹내장 진단 기술

○녹내장 진단 모델 개발을 위한 안과 빅데이터를 구축하고, 이를 활용하여 머신러닝 녹내장 진단 모델을 개발한 후, 진단 SW에 삽입함

[그림 1] 기술개념도

○진단 SW는 다양한 검사 데이터로부터 녹내장 진단에 필요한 정보를 자동 추출하고 이를 진단 모델에 입력하여 녹내장 유무를 판별하며, 진단 결과에 대한 근거를 설명함

2. 기술의 상세내용 및 사업화 제약사항

○기술의 상세내용
- 머신러닝 기술을 적용한 녹내장 진단 모델 및 진단 SW
- 안과 검사 데이터로부터 진단에 필요한 정보 자동 추출 기능
- 안과 빅데이터 축적에 의한 녹내장 진단 모델의 지속적 업그레이드
- 진단 결과에 대한 근거 설명 기능
- 환자에 대한 검사 이력 관리 기능

○기술이전 범위
- 녹내장 진단 모델 및 진단 SW
- 구축된 빅데이터는 기술이전 범위에서 제외함

○사업화 제약사항
- 의료계의 원격진료에 대한 부정적 인식으로 기술의 활용 범위가 제한될 수 있음

III. 국내외 기술 동향 및 경쟁력

1. 국내 기술 동향

○인공지능 기술을 적용한 진단 기술 및 장비가 식품의약품안전처로부터 의료기기로 인정받기 시작함
- 뇌경색 유형을 분류하는 소프트웨어(SW)
- 성장기 어린이 등 골연령 측정 SW
- X-레이 영상을 통한 폐결절 진단 보조 SW

○연구차원에서의 시도들이 보고되고 있음
- 김안과병원(건양의대)에서 시신경 사진을 데이터로 하여 회귀분석 및 합성곱 신경망 기법을 적용했을 때 100% 가까운 녹내장 진단 정확도를 얻었다고 보고(데이터 양으로 볼 때 신뢰도는 높지 않음)
- 동국대학교일산병원 연구팀과 ㈜제이엘케이인스펙션이 기술협력을 통해 뇌졸증 뇌 MRI 영상 인공지능 진단시스템 개발 중

○아직까지 녹내장 진단이 제품화된 사례는 보고되지 않음

2. 해외 기술 동향

○연구 차원에서 녹내장 진단을 위한 인공지능 기술 연구가 활발히 진행되고 있음
- Optical Coherence Tomography와 Color Fundus Images를 이용한 녹내장 진단 연구
- Visual field와 optical imaging data를 이용한 녹내장 진단 연구
- 구글의 Fundus Images를 이용한 녹내장 진단 연구

○아직까지는 해외에서도 제품화된 사례가 보고되지 않음

3. 관련 보유특허

4. 기술적 경쟁력

○아직은 비교 대상 제품이 없어서 본 기술의 우수성 및 차별성을 말하기 어려움

IV. 국내외 시장 동향 및 전망

1. 국내 시장 동향 및 전망

○연도별 시장규모 전망(인공지능 진단 기술 전체)

* http://smroadmap.smtech.go.kr/0201/view/m_code/A150/s_code/A02/idx/1687
** 상기 통계에서 연도별 증가 추세로 추정

○예상 수요처

* 국민건강보험공단, 건강보험통계 참조
 (http://kosis.kr/statHtml/statHtml.do?orgId=350&tblId=TX_35001_A016)
** 추정치

2. 해외 시장 동향 및 전망

○연도별 시장규모 전망(인공지능 진단 기술 전체)

* http://smroadmap.smtech.go.kr/0201/view/m_code/A150/s_code/A02/idx/1687
** 상기 통계에서 연도별 증가 추세로 추정

3. 제품화 및 활용 분야

V. 기대효과

1. 기술도입으로 인한 경제적 효과

○개발된 진단 기술을 검사장비에 추가함으로써 장비의 부가가치를 높일 수 있음

○향후 예상되는 해외 제품의 유입에 대비한 사전 국산화로 외화 절약 가능

2. 기술사업화로 인한 파급효과

○초기 진단이 어려운 녹내장의 진단에 도움을 줄 것으로 기대

○안과 진료 시에 생성되는 빅데이터를 기반으로 인공지능 진단 모델을 개발함으로써, 실명을 유발할 수 있는 녹내장을 조기에 진단하거나, 스크리닝에 사용할 수가 있으며, 치료 과정 중에도 질병의 진행을 쉽게 판단할 수 있는 프로그램 개발을 통해 치료 방향 설정과 치료 목표 설정에 도움을 줄 것으로 기대

○본 연구를 통해 획득되어진 데이터 처리 기술이나 인공지능 프로그램, 그리고 학습 모델(learning model)은 임상진료 환경에서 바로 사용될 수 있고, 현재 통용되고 있는 전자차트에 접목이 된다면 부가가치를 더욱 높일 수 있음

○안과 주요 질환의 빅데이터 수집으로 역학 연구나 질병의 발생, 경과, 치료 그리고 치료제 개발에 사용될 수 있는 학문적인 핵심 자료로 활용될 수 있을 것으로 예상

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.