박상현 대구경북과학기술원(DGIST) 로봇및기계전자공학과 교수 연구진이 미국 스탠퍼드대 연구진과 공동으로 개인정보를 공유하지 않고도 대규모 모델을 효율적으로 학습할 수 있는 새로운 원샷 연합학습 인공지능(AI) 기법을 개발했다고 2일 밝혔다.
의료영상 데이터는 환자의 민감한 개인정보를 포함하고 있어 병원 간 공유가 제한적이며, 이로 인해 대규모 데이터를 활용한 AI 모델 개발에는 어려움이 있었다.
이를 극복하기 위해 제안된 연합학습(Federated Learning)은 환자 데이터 대신 학습된 모델만을 공유해 공동 학습을 수행하지만, 반복적인 전송으로 인해 시간과 비용 소모가 크다는 한계가 있었다. 이에 대한 대안으로 원샷 연합학습이 연구됐으나, 기존 방법은 여전히 높은 계산 비용과 오버피팅(Overfitting) 문제가 있었다.
연구진은 이러한 한계를 해결하기 위해 합성 이미지에 구조적 노이즈를 추가하고 믹스업(mixup) 기법을 활용해 가상의 중간 샘플을 생성하는 방식을 제안했다. 이를 통해 학습 데이터 다양성을 확보해 오버피팅을 줄이고, 합성 이미지를 재활용해 불필요한 연산을 줄여 계산 효율성을 크게 개선했다.
해당 기법을 방사선영상, 병리영상, 안저영상 등 다양한 의료영상 데이터세트에 적용한 결과, 기존 원샷 연합학습 방법보다 더 적은 계산으로 더 높은 정확도를 달성했다.
박상현 교수는 "개인정보 보호와 통신 제약이라는 현실적 조건 속에서도 의료영상 분야에서 범용적으로 활용할 수 있는 모델을 학습할 수 있다는 점에서 의미가 크다"며 "앞으로도 이 기법을 발전시켜 개인정보 보호를 보장하면서 다양한 환자군을 아우르는 AI 모델을 개발해, 정확하고 신뢰성 높은 진단 보조 시스템 구축에 기여하겠다"고 말했다.
연구 결과는 의료영상 분석 분야 국제 학술지 '의료 영상 분석(Medical Image Analysis)'에 지난 7월 게재됐다.
참고 자료
Medical Image Analysis(2025), DOI: https://doi.org/10.1016/j.media.2025.103714