인텔 랩은 펜실베니아 대학교 페렐만 의과대학과 국제 의료 및 연구 기관이 악성 뇌종양을 식별하도록 돕는 분산 머신러닝(ML) 인공지능(AI) 방식의 연합 학습을 활용한 공동 연구를 완료했다고 6일 밝혔다.
본 연구는 6개 대륙에 걸쳐 71개 기관에서 조사한 광범위한 데이터 세트를 통해 진행하는 등 가장 대규모의 의료 분야 연합 학습 부문 연구로, 뇌종양 탐지를 33% 개선할 수 있는 능력을 입증했다.
제이슨 마틴 인텔 랩 수석 엔지니어는 "펜 메디슨과의 연구에서 알 수 있듯이 연합 학습은 다양한 영역, 특히 의료 분야에서 엄청난 잠재력을 가지고 있다"면서 "민감한 정보와 데이터를 보호하는 기능은 특히 데이터 세트에 접근할 수 없는 경우, 향후 연구와 협업에 대한 기회를 조성한다"고 말했다.
이어 "펜 메디슨과의 협력은 전 세계 환자들에게 긍정적인 영향을 미칠 수 있으며, 연합 학습의 가능성을 계속 탐구하기를 기대한다"고 전했다.
의료 분야에서는 미국 의료정보보호법(HIPAA)과 같은 국가별 데이터 개인정보보호법으로 인해 오랫동안 데이터 접근성 이슈가 존재해왔다. 따라서, 환자의 의료 정보를 훼손하지 않으면서 필요한 규모의 의료 연구 및 데이터 공유가 거의 불가능했다.
인텔의 연합 학습 하드웨어 및 소프트웨어는 개인정보보호 규정을 준수하고 컨피덴셜 컴퓨팅을 통해 데이터 무결성, 개인정보보호 및 보안성을 유지한다.
인텔과 펜 메디슨이 수행한 연구는 인텔 소프트웨어 가드 익스텐션과 인텔 연합 학습 기술을 사용한 분산 시스템에서 대량의 데이터를 처리하는 방식으로 진행됐다. 인텔 SGX는 이와 유사한 암 및 질병 연구에서 협업을 제한했던 데이터 공유 관련 장벽을 제거하는 역할을 했다.
분산 시스템은 데이터 소유자의 인프라 내부에 원본 데이터를 보관하며, 해당 데이터를 바탕으로 한 모델 업데이트만 중앙 서버 또는 애그리게이터로 전송함으로써 수많은 데이터 개인정보보호 문제를 해결한다.
질병 퇴치를 위한 연구를 발전시키려면 대부분의 경우 하나의 기관에서 생성할 수 있는 임계값을 초과하는 대규모 데이터 세트에 연구진이 접근할 수 있어야 한다.
해당 연구는 대규모 연합 학습의 효과와 다중 데이터 고립 현상이 해소될 때 의료 산업이 실현할 수 있는 잠재적인 이점을 보여준다. 즉, 질병 조기 탐지를 포함해 삶의 질 향상 또는 환자 수명 증가 등의 성과를 달성할 수 있다.
펜 메디슨과 71개의 국제 의료 및 연구 기관은 인텔의 연합 학습 하드웨어와 소프트웨어를 사용하여 희귀 암의 경계를 탐지하는 법을 개선했다.
방사선과 의사들은 종양의 경계를 결정하고 종양 또는 종양핵의 수술 가능 영역의 식별을 개선하기 위해 FeTS(Federated Tumor Segmentation)라는 새로운 최첨단 AI 소프트웨어 플랫폼을 사용했다.
방사선과 의사들은 데이터에 주석을 달았고 기계 학습 알고리즘을 학습하기 위한 오픈 소스 프레임워크인 오픈 연합 학습(OpenFL)을 사용하여 연합 학습을 실행했다.
이 플랫폼은 지금까지 가장 큰 뇌종양 데이터 세트인 6개 대륙에 걸쳐 6000 GBM 환자의 데이터에 대해 학습됐다.
인텔 랩과 펜 메디슨은 이 프로젝트를 통해 연합 학습을 사용하여 데이터로부터 지식을 얻기 위한 개념 증명을 만들었다. 이 솔루션은 특히 다른 유형의 암 연구에서 의료나 그 이상에 상당한 영향을 미칠 수 있다.
특히, 인텔은 OpenFL 오픈소스 프로젝트를 개발해 고객이 실제 교차 사일로(silo) 연합 학습을 채택하고 인텔 SGX에 배포할 수 있도록 지원한다.
또한, 새로운 FeTS 이니셔티브는 지속적인 개발을 위한 플랫폼을 제공하고 깃허브에서 사용할 수 있는 FeTS 플랫폼과 인텔의 OpenFL 오픈 소스 툴킷과의 협업을 장려하기 위해 협업 네트워크로 설립됐다.
헬로티 이창현 기자 |
