MGH와 함께한 MARKIT 프로젝트 집중 탐구!

안녕하신가, 설명쟁이 메디웨건이라네!

메디블록이 하버드 의과대학 실습 수련병원인 Massachusetts General Hospital(이하 MGH)과 공동연구한 MARKIT 프로젝트에 대한 공지는 다들 읽어보았을 거라고 생각되네. 이번 글에서는 이 프로젝트에 대한 보다 더 자세한 이야기를 해보도록 하겠네.

메린이 : MARKIT이 뭔지 간단하게 설명해주세요!

MARKIT은 고품질 의료 영상 데이터셋을 빠르게 생성할 수 있도록 설계된 플랫폼이라네. 간단히 말해서, 인공지능이 학습할 의료 영상 데이터셋을 각지에 있는 의사들이 만들 수 있는 플랫폼이라고 이해하면 되겠네.

메린이 : 알쏭달쏭해요.. 조금만 더 자세히 설명해주세요

다들 인공지능과 빅데이터에 대해 많이 들어봤을 것으로 생각하네. MARKIT은 인공지능을 학습시킬 수 있는 데이터를 사용자들이 직접 생성할 수 있는 빅데이터 플랫폼이라네. 이것을 쉬운 예시를 들어 설명해주도록 하겠네. 몇 년 전까지만 해도, 컴퓨터는 강아지와 고양이를 구분하지 못했다네. 컴퓨터가 정량적인 정보를 처리하는 것은 너무나 쉬웠지만, 비정량적인 정보를 처리하는 것은 너무 어려웠기 때문이라네. 컴퓨터에게 5가 0보다 큰지 작은지를 판별시키는 것은 쉽지만, 강아지와 고양이를 분류하는 기준을 사람이 제시하는 것은 거의 불가능했다네.

그래서 이 기준을 사람이 직접 세우는 것이 아닌, 컴퓨터가 학습을 통해서 찾아 나가도록 했다네. 이것이 ‘기계학습’의 간단한 개념이라네. 결국 컴퓨터는 라벨링된 강아지와 고양이 사진 데이터셋을 학습해서, 꽤 높은 정확도로 강아지와 고양이를 구분할 수 있게 되었다네.

이 사례를 MARKIT에 적용해보도록 하세. 병원에서 초음파 검사나 엑스레이 검사 등을 진행한 적이 있을 걸세. 이때 영상이나 사진을 보면서 의사는 어디에 물혹이 있고, 어디에 악성 종양이 있음을 말해준다네. 이런 과정을 인공지능이 대체하거나 보조할 수 있도록 하는 것이 MARKIT의 최종 목표라고 보면 된다네. 하지만 이를 위해선 위에서 말했듯이 학습의 과정이 필요하다네. 의료 영상 및 사진 역시 무한 가지의 가능성이 있는 비정량적이기 때문이라네. 그래서 최대한 많은 의료 영상 데이터들이 레이블링 되어 인공지능이 학습할 수 있도록 해야 한다네. 여기서 레이블링이란 간단히 말해서 사람이 수동으로 어떤 사진이 고양이 사진이고, 어떤 사진이 강아지 사진인지 말해주는 것과 같다네.

MARKIT에서는 영상전문가들이 올라온 영상을 보며 어느 부분이 악성 종양이고, 어느 부분이 물혹인지 수동으로 레이블링을 하게 된다네. 그리고 인공지능은 이런 레이블링된 데이터셋을 기반으로 하여 학습을 진행하게 되는 거라네. 데이터셋이 많으면 많을수록, 인공지능의 정확도는 더 높아지게 된다네.

메린이 : 그러면 MARKIT이 활성화되면 어떤 의미가 있을까요?

기존에는 의료 데이터들이 공유되지 않고 각 병원에 파편화된 상태로 존재하고 있었네. 이렇게 파편화된 데이터는 활용함에 있어서도 큰 제약 사항이 되었지. 하지만 MARKIT을 통해 의료 데이터들이 한군데로 모인다면, 상호운용이 가능한 데이터를 기반으로 그 활용 가능성을 증대시킬 수 있을걸세.

메린이 : 고마워요 메디웨건! 근데, 메디블록은 플랫폼의 어느 부분에 적용이 되나요?

메디블록의 블록체인인 패너시어가 활용된다네. 위의 내용을 참고해보면 알겠지만, 레이블링 작업은 굉장히 중요하다네. 확인되지 않은 유저가 레이블링을 진행한다면, 인공지능이 잘못된 데이터셋을 기반으로 잘못된 학습을 할 확률이 높아진다네. 그러므로 영상 판독에 전문성이 있는 유저의 신원 인증은 굉장히 중요하다네. 바로 이 신원증명에 메디블록의 블록체인 패너시어가 활용이 되는 것이라네.

이 프로젝트는 현재 진행형이라네. 추후 플랫폼 참여 동기 부여를 위한 보상 시스템이나 DID(탈중앙화 신원증명) 등 여러 가지가 적용될 예정에 있으니, 계속 메디블록 블로그를 지켜봐 주길 바라네.

그럼 다음에도 좋은 소식과 내용으로 찾아오도록 하지!  ADIOS!