대장암 조기 발견의 핵심인 용종 검출 기술이 오픈소스와 모바일 플랫폼으로 확장되고 있다. 한국건강관리협회 제주지부 김용배 박사가 Journal of Medical Artificial Intelligence에 발표한 최신 연구는 일반 스마트폰을 활용한 실시간 용종 검출 시스템의 가능성을 제시하며, 의료 AI 기술의 접근성 향상에 대한 청사진을 그렸다.

고가 장비의 한계를 넘어

현재 상용화된 AI 대장내시경 보조 시스템들은 선종 발견율을 약 14% 향상시키며 임상적 효과를 입증했다. 그러나 Medtronic의 GI Genius 같은 시스템들은 전용 하드웨어에 의존하고 높은 비용으로 인해 소규모 의료기관이나 자원이 제한된 지역에서는 도입이 어렵다. 이번 연구는 바로 이 지점에 주목했다.

김 박사는 Harvard Dataverse의 공개 데이터셋 28,773장을 활용해 EfficientDet Lite2 모델을 훈련시켰다. 핵심은 스마트폰 카메라로 모니터 화면을 촬영한 이미지로 별도 모델(P2')을 학습시켜 실제 임상 환경을 시뮬레이션한 점이다. 실험실 환경에서는 원본 이미지로 학습한 모델이 우수했지만, Galaxy S9를 이용한 실제 테스트에서는 P2' 모델이 용종 검출률 40.2%, 정확한 분류율 28.9%로 더 나은 성능을 보였다.

비즈니스 기회와 시장 진입 전략

이 기술의 가장 큰 강점은 플랫폼 독립성과 확장 가능성이다. 스마트폰, 태블릿, 임베디드 시스템 등 다양한 기기에서 작동 가능하며, 추론 시간도 80-250ms로 실시간 응용이 가능하다. 의료기기 제조사나 내시경 시스템 공급업체에게는 기존 장비에 후방 통합 가능한 소프트웨어 솔루션으로 제공할 수 있다.

GTM 전략 관점에서 세 가지 접근이 유효하다. 첫째, 중소형 내시경센터와 1차 의료기관을 대상으로 저비용 진입 솔루션으로 포지셔닝하는 것이다. 둘째, 개발도상국 시장에서 원격 진단 지원 도구로 활용하는 B2G 모델이다. 셋째, 기존 상용 시스템 제조사와의 파트너십을 통해 보조 검증 도구나 교육용 플랫폼으로 통합하는 전략이다.

한계와 발전 방향

현재 연구는 파일럿 단계로, 상용 시스템 대비 정확도가 낮고 선종과 과형성 용종만을 대상으로 했다는 한계가 있다. 그러나 오픈소스 프레임워크와 전이학습 기법을 활용해 추가 비용 없이 성능 개선이 가능하다는 점은 주목할 만하다. 향후 데이터셋 확대, 다중 모델 앙상블, 실시간 내시경 피드 통합 등이 해결 과제다.

논문 정보: 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 (2024년 9월 5일 접수, 2025년 3월 21일 승인, 4월 25일 온라인 출판)

이 연구는 의료 AI의 민주화라는 더 큰 비전을 향한 첫걸음이다. 기술적 완성도 향상과 함께 규제 승인, 임상 검증, 파트너 생태계 구축이 병행된다면, 대장암 조기 발견율을 높이는 동시에 의료 격차 해소에도 기여할 혁신적 솔루션으로 자리잡을 것이다.