인공지능(AI)이 자기공명영상(MRI)의 정확성과 신뢰성 향상을 위해 활용된다. UNC 의과대학의 왕 리(Li Wang) 박사 연구팀이 개발한 두 가지 새로운 인공지능 모델은 뇌 구조 분석의 정확성과 신뢰성을 향상시켜, 조기 진단과 의료 진단, 신경학적 연구에 중요한 역할을 할 것으로 기대된다.

MRI는 인간 뇌의 가장 깊은 구조를 평가하는 데 가장 효과적인 기술 중 하나로, 자기장과 라디오파를 사용하여 연부 조직의 영상을 생성한다. 비침습적이며 방사선을 사용하지 않는다는 장점이 있지만, 환자의 움직임으로 인한 영상 왜곡이나 반복되는 구조물, 유령 영상 등의 단점이 있다.

왕 리 박사의 연구팀은 이러한 MRI의 단점을 개선하기 위해 두 가지 새로운 생성형 AI 모델을 개발했다. "영상 품질은 뇌 해부학과 병리학을 시각화하는 데 중요하며, 임상적 결정을 내리는 데 도움을 줄 수 있다"고 왕 박사는 말했다.

이 AI 모델은 MRI 영상에서 비뇌 조직을 더 정확하게 제거하고 영상 품질을 크게 향상할 수 있다. 왕 박사는 "생성형 AI 모델은 뇌 구조의 보다 정확하고 신뢰할 수 있는 분석을 수행할 수 있으며, 이는 조기 발견, 진단, 신경학적 상태의 모니터링에 매우 중요하다"고 설명했다.

MRI는 뇌를 둘러싼 뼈와 비뇌 조직을 제거하는 과정을 거쳐야 하는데, 이를 '두개골 제거'라고 한다. 하지만 다양한 스캐너, 개인, 포맷에서 데이터가 수집됨에 따라 MRI는 일관되고 정확한 결과를 내는 데 어려움을 겪는다. 특히, 두개골 제거는 뇌의 동적 변화, 예를 들어 백질과 회백질 사이의 역전된 조직 대조나 뇌 크기 변화 등을 고려하여 뇌를 두개골로부터 분리하는 데 어려움을 겪는다.

연구팀은 이러한 문제를 해결하기 위해 새로운 두개골 제거 모델을 개발했다. 이 모델은 비뇌 조직을 더 정확하게 제거하고, 수명주기 동안의 뇌 부피 변화를 예측할 수 있다. 18개의 다양한 영상 프로토콜과 스캐너에서 얻은 21,334명의 데이터를 사용하여, 이 모델이 뇌 발달과 노화의 근본적인 생물학적 과정을 충실하게 나타낼 수 있음을 확인했다.

또한, 연구팀은 MRI 영상 품질을 전반적으로 향상하는 BME-X라는 두 번째 AI 모델을 구축했다. 이 모델은 다양한 환자 집단과 스캐너 유형에서 13,000개 이상의 영상을 테스트하여, 신체 움직임 교정, 저해상도 영상의 고해상도 재구성, 노이즈 감소, 병리학적 MRI 처리 등에서 최신 기술보다 우수한 성능을 보였다.

특히, 이 모델은 다양한 MRI 스캐너에서 생성된 영상을 조화시키는 능력이 주목할 만하다. 국내외 다양한 임상 현장에서 사용되는 Siemens, GE, Philips 등의 MRI 스캐너는 각기 다른 모델과 영상 파라미터를 사용하는데, BME-X는 이러한 데이터를 조화시켜 일관된 영상을 생성할 수 있다.

이 두 AI 모델은 여러 연구 기관이나 MRI 스캐너를 포함하는 임상 시험과 연구에 활용될 수 있다. 또한, 신경영상 분야에서 표준화된 영상 프로토콜과 절차를 만드는 데 도움이 될 수 있으며, CT 스캔과 같은 다른 영상 기법에도 적용될 수 있다.