이현규 조교수

흉부 X선, 안저 영상, 자궁경부암 영상 등 다양한 의료 영상에서 병변을 자동으로 탐지하고 분류하는 AI 기술의 필요성이 증가하고 있으나, 기존 방법론은 소량의 레이블 데이터 환경과 임상 적용 신뢰성 문제를 안고 있습니다. 이를 해결하기 위해 딥러닝 기반 세포 및 병변 분할(Segmentation) 기술과 CNN-Transformer 하이브리드 모델을 핵심 방법론으로 채택하고 있으며, 방사선 영상 품질 평가 알고리즘 및 초음파 영상 정도관리 기술을 함께 개발하고 있습니다. 특히 CNN의 지역적 특징 추출 능력과 Transformer의 전역적 문맥 이해 능력을 결합한 하이브리드 아키텍처를 통해 소량 레이블 환경에서도 높은 분할 정확도를 달성하는 것을 목표로 합니다. 적용 분야는 COVID-19 및 폐렴 환자 대상 흉부 X선 중증도 평가, 안저 영상 품질 자동 평가, 자궁경부암 조기 진단, 방사선 영상 품질 자동 평가, 초음파 의료기기 정도관리 등 임상 현장에서 즉시 활용 가능한 영역을 포괄합니다. 인하대병원 호흡기내과·비뇨의학과 등 임상 부서와 공동 연구 체계를 구축하고 있으며, 의료기기 기업과의 기술이전도 추진하고 있습니다. 현재 TRL 5~6 수준의 임상 검증 단계에 도달해 있으며, MICCAI 2026 Early Accept(상위 9%), Scientific Reports(2022) 게재, IEEE Transactions on Industrial Informatics(2019) 게재, 등록 특허 13건 이상 보유, h-index 7, 총 피인용수 190회 이상(2024년 7월 기준)의 연구 성과를 보유하고 있습니다.

의료 AI의 오진 위험을 최소화하기 위해 모델 예측의 불확실성을 정량화하고 의료진의 의사결정을 지원하는 시스템 개발이 핵심 연구 과제입니다. 특히 의료 데이터의 편향 및 불균형 환경에서 AI 신뢰성을 확보하는 것이 임상 적용의 전제 조건으로, 이에 대한 체계적 접근이 요구됩니다. 핵심 기술로는 불확실성 추정(Uncertainty Estimation), 베이지안 딥러닝, 신뢰성 기반 AI 모델, 임상 의사결정 지원 시스템(CDSS)을 활용하며, 이동형 흉부 X선 영상에서 혼탁도(haziness)를 정량화하는 알고리즘도 개발하고 있습니다. 베이지안 딥러닝을 통해 모델이 예측값과 함께 신뢰 구간을 출력하도록 설계함으로써, 의료진이 AI 판단의 불확실성 수준을 인지하고 최종 의사결정에 반영할 수 있도록 지원합니다. 중환자실 악화 위험 예측, 의료 데이터 편향·불균형 대응 AI, 항생제 감수성 및 내성 예측, 임상 의사결정 지원 등의 분야에 적용되고 있습니다. 중환자실 데이터를 보유한 병원, 감염내과, 의료 데이터 플랫폼 기업과의 협업이 가능하며, 관련 국책과제를 2022년부터 2027년까지 다수 수행 중입니다. MICCAI 2026 Early Accept 성과를 포함하여 신뢰성 AI 분야에서 지속적인 연구 성과를 축적하고 있으며, 현재 TRL 3~4 수준의 실험실 검증 단계에 있습니다.

척추 수술 등 정밀 시술에서 AI 기반 내비게이션 기술의 수요가 증가하고 있으며, 간호 교육 시뮬레이션 환경에서 학습자의 상황인식을 객관적으로 평가하는 도구가 부재한 상황입니다. 이러한 임상 및 교육 현장의 요구에 대응하기 위해 컴퓨터 비전 기반의 내비게이션 및 시뮬레이션 평가 기술을 연구하고 있습니다. 핵심 기술로는 아이트래킹(Eye Tracking) 분석, 영상 기반 내비게이션, 컴퓨터 비전, 상황인식 평가 모델을 활용하며, 척추추간공확장술에 특화된 AI 내비게이션 시스템 개발을 진행하고 있습니다. 아이트래킹 데이터를 딥러닝 모델로 분석하여 시술자 또는 학습자의 시선 패턴과 상황인식 수준을 정량적으로 평가하는 방법론을 적용합니다. 척추추간공확장술 AI 내비게이션, 간호 시뮬레이션 교육에서의 학습자 상황인식 평가, 의료 시술 보조 AI 등의 분야에 적용되고 있습니다. 척추 수술 전문 병원, 의료기기 기업, 간호대학 시뮬레이션 센터와의 협업이 가능합니다. 척추추간공확장술 내비게이션 과제(2024~2025, 1.1억원) 및 AI 기반 아이트래킹 간호 시뮬레이션 과제(2025~2026)를 수행 중이며, 현재 TRL 3~5 수준의 개념 검증에서 기술 검증 단계에 있습니다.