MS&브리티시 콜럼비아대, 연합학습 기반 의료 진단 모델 환경 '펠리시아' 개발
GAN기법 활용, '중앙집중적 적대자'가 판별 모델 역할 수행, 데이터 공유없이 알고리즘만 공유
환자 개인정보 보호 문제로 의료계, 데이터 공유할 수 없던 한계 극복
그동안 의료 진단 모델에 나타났던 데이터 편향성 문제 해결 전망
마이크로소프트를 비롯한 해외 연구진이 환자의 개인정보를 공개하지 않고도 인공지능(AI) 딥러닝에 공유할 수 있는 기계학습법을 개발했다. 개인정보 유출 등의 이유로 데이터 공유가 어려웠던 의료계 연구에 도움이 될 것이란 전망이다.
지난 18일(현지시간) 기술 전문 매체 벤처비트는 마이크로소프트와 브리티시 콜럼비아대(University of British Columbia) 연구진이 개발한 연합학습 기반 의료 진단 모델 학습 환경인 ‘중앙집중적 적대자를 이용한 연합학습법(FELICIA‧Federated Learning with a Centralized Adversary)’에 대해 보도했다.
본 모델은 '중앙집중적 적대자를 이용한 의료 이미지의 연합 생성 모델링에 의한 편향성 감소 및 효용성 증대(Reducing bias and increasing utility by federated generative modeling of medical images using a centralized adversary)' 논문에 소개됐다.
펠리시아는 생성적 적대 신경망(GAN)에 '연합학습'을 적용한 기계학습법(ML)이다. 연합학습이란 이용자 개별 디바이스나 각 분산된 서버에서 스스로 데이터를 처리한 뒤 중앙 클라우드로 공유하는 기계학습 방식이다. 이때 학습한 알고리즘과 생성된 샘플 데이터만을 중앙 시스템에 공유한다. 일반적인 생성적 적대 신경망의 경우 중앙 시스템이 모든 데이터를 취합해 딥러닝하는 것과 다른 점이다.
연합학습으로 머신러닝을 하면 원본 데이터를 공유할 필요가 없어 개인정보 유출의 문제가 줄어든다. 의료분야의 경우 환자의 질병 내역이 기록된 의료 사진을 연구소에서 자체적으로 딥러닝한 후, 학습한 알고리즘만을 중앙 시스템에 공유한다. 이어 중앙에서는 각 연구소가 필요한 알고리즘을 재분배하는 식이다.
이때 펠리시아는 ‘중앙집중적 적대자(Centralized Adversary)’라는 중앙 판별 모델 개념을 도입했다. 각 연구소가 생성적 적대 신경망으로 생성한 샘플 데이터를 중앙 서버에 공유하면, 중앙집중적 적대자가 판별 모델 역할을 수행한다. 연구소 데이터가 일반적인 생성적 적대 신경망의 ‘생성 모델’을, 중앙집중적 적대자가 전체 데이터에 대한 ‘판별 모델’이 되는 셈이다.
연구진은 펠리시아를 활용해 의료 진단 모델의 ‘편향성’을 경감시킬 수 있다고 주장한다. 그동안 개발된 AI 의료 진단 모델은 다양한 데이터 학습에 한계를 지녀왔다. 환자 개인정보 보호 등의 문제로 다양한 의료 데이터를 공유할 수 없었기 때문이다. 그 탓에 인구가 많은 특정 인종에 데이터가 편향되는 문제가 있었다. 하지만 펠리시아 연합학습을 통해 개인정보 유출 문제가 해결되면 연구진 간 활발한 데이터 공유를 할 수 있게 된다는 설명이다.
연구진은 펠리시아의 성능을 검증하기 위해 3가지 데이터 세트로 실험을 진행했다. ▲엠니스트(MNIST‧손으로 쓴 숫자 데이터 세트) ▲사이파-10(32x32 컬러 이미지 6만 장의 데이터 세트) ▲실제 환자의 피부병 이미지 데이터 등. 각기 다른 데이터를 취합해 편향성 없는 고품질 데이터로 생성할 수 있는지 여부와 특정 이미지가 알고리즘 학습에 소홀하게 처리될 시 어떻게 개선하는지를 확인하고 분석했다.
실험 결과 연구진은 펠리시아가 의료 분야에 잠재적인 활용성을 가진다고 주장했다. “펠리시아가 암 병리학 이미지를 분류하는 것처럼, 이미지 데이터 통합에 이용될 수 있다는 걸 확인했다”라며 “특정 인구에 지배적이었던 데이터 편향성을 줄여, 일반적인 인구를 위한 합성 데이터를 만들 것”이라고 말했다.
이어 연구진은 “CT 스캔, X-레이, 조직병리학처럼 더 복잡한 의료 분야에 연구를 이어나갈 것”이라고 향후 계획을 밝혔다.
AI타임스 장희수 기자 heehee2157@aitimes.com
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com