대장암 조기 발견의 핵심인 용종 감지에 스마트폰을 활용한 오픈소스 AI 시스템이 현실화되고 있다. 2025년 4월 Journal of Medical Artificial Intelligence에 발표된 한국 연구진의 논문은 기존 고가 의료장비에 의존하던 AI 진단 기술을 일반 소비자 기기로 구현할 수 있음을 입증했다.
접근성 혁명: 고가 장비에서 스마트폰으로
현재 상용화된 AI 용종 감지 시스템은 메드트로닉의 GI Genius처럼 특수 하드웨어와 통합되어 선종 발견율을 14% 향상시키는 성과를 보였다. 그러나 높은 비용과 하드웨어 의존성이 보급의 걸림돌이었다. 연구팀은 TensorFlow Lite와 EfficientDet Lite2 모델을 활용해 갤럭시 S9 스마트폰에서 실시간 용종 감지가 가능함을 실증했다. 추론 시간은 80~250ms로 실시간 진단이 가능한 수준이다.
실전 환경 학습의 중요성
연구는 28,773개 이미지의 대규모 데이터셋(P1)과 130개 이미지의 소규모 데이터셋(P2, P2')으로 세 가지 모델을 훈련했다. 흥미롭게도 실험실 환경에서는 P2 모델이 우수했지만, 스마트폰으로 모니터를 촬영하는 실제 임상 환경에서는 동일 조건으로 학습한 P2' 모델이 40.21% 감지율과 28.87% 분류 정확도로 P2(32.01%, 16.50%)를 앞섰다. 이는 AI 모델이 실제 사용 환경과 유사한 조건에서 학습되어야 한다는 중요한 교훈을 제시한다.
비즈니스 기회와 시장 진출 전략
의료 AI 시장은 2030년까지 연평균 37% 성장이 예상되며, 특히 자원이 제한된 의료 환경에서 오픈소스 솔루션 수요가 급증하고 있다. 이 기술은 중소 병원과 개발도상국 시장 진입을 위한 차별화된 가치를 제공한다. 파트너사는 기존 내시경 장비에 소프트웨어만 추가하는 방식으로 초기 투자를 최소화하면서, 의료진 교육 프로그램과 결합한 통합 솔루션을 제공할 수 있다. 또한 플랫폼 독립적 특성으로 태블릿, 임베디드 시스템 등 다양한 디바이스로 확장 가능하다.
도전과제와 발전 방향
현재 시스템은 상용 제품 대비 정확도에서 개선이 필요하며, 소규모 데이터셋의 한계가 명확하다. 연구팀은 데이터 증강, 앙상블 기법, 다중모달 입력 통합을 통한 성능 향상을 제시했다. 내시경 영상과 직접 통합해 실시간 피드백을 제공하는 것이 다음 단계 목표다. 오픈소스 특성상 글로벌 개발자 커뮤니티의 지속적인 개선이 기대된다.
논문 출처: Kim YB. Smartphone-based polyp detection: a first step towards an open-source AI framework. Journal of Medical Artificial Intelligence 2025;8:49. doi: 10.21037/jmai-24-310 (접수: 2024년 9월 5일, 게재승인: 2025년 3월 21일, 온라인 게재: 2025년 4월 25일)
Authored by: W Soft Labs Research Team
