AI가 병원 밖으로 나왔다 — 폐 질환 조기 진단의 새로운 무기 ‘FLEM-XAI’

코로나19, 폐렴, 결핵. 이름만 들어도 무겁다. 세계적으로 매년 수백만 명의 생명을 앗아가는 대표적 호흡기 질환들이다. 이런 질환은 조기 진단이 생사를 가르지만, 기존 검사법은 시간과 정확도 면에서 한계가 있었다. 이제 인공지능(AI)이 그 벽을 허물고 있다.

최근 발표된 ‘FLEM-XAI’ 연구는 병원 간 데이터를 직접 주고받지 않고도 AI가 환자 X-ray를 분석해 폐 질환을 실시간으로 진단하는 방법을 제시했다. 여기엔 ‘연합학습(Federated Learning)’과 ‘설명 가능한 AI(Explainable AI)’라는 두 가지 기술이 핵심으로 들어간다.

데이터는 병원 안에, 지식만 모인다

전통적인 AI 의료 시스템은 모든 환자 데이터를 중앙 서버로 모아 학습한다. 하지만 민감한 의료 데이터는 유출 위험이 커서 병원 간 공유가 어렵다. FLEM-XAI는 접근 방식을 완전히 바꿨다.

각 병원이 환자 데이터를 자체 서버에 두고, AI 모델만 로컬에서 학습시킨 뒤 ‘학습된 지식’(모델 파라미터)만 중앙 서버로 보낸다. 중앙 서버는 이를 취합해 더 똑똑한 ‘글로벌 모델’을 만든 뒤 다시 병원에 배포한다. 덕분에 환자 정보는 병원 밖으로 나가지 않는다.

네 가지 AI, 한 팀으로

연구진은 InceptionV3, Conv2D, VGG16, ResNet50이라는 네 가지 딥러닝 모델을 조합해 ‘앙상블’ 형태로 사용했다. 각 모델이 다른 강점을 가져 다양한 크기·형태의 병변을 놓치지 않는다.

ResNet50: 가장 높은 정확도(평균 95.5%)를 기록한 에이스. 복잡한 패턴을 잘 잡아낸다.
VGG16: 깊은 구조 덕에 세밀한 특징을 뽑아내는 데 강점.
InceptionV3: 다양한 크기의 특징을 동시에 포착.
Conv2D: 비교적 단순하지만 기본 성능을 제공하는 베이스라인.

모델은 11,000장의 X-ray(코로나19, 폐렴, 결핵 포함)를 학습했고, 각 병원 서버에서 100에폭 동안 훈련했다.

숫자로 본 성과

비교 대상은 중앙집중형 학습(CSLM). 결과는 뚜렷했다.

정확도: ResNet50 기준 CSLM은 85.65%, FLEM은 95.5%
대역폭 소모: CSLM은 약 950MB, FLEM은 162MB
수렴 속도: CSLM이 평균 22.5% 빨랐지만, 최종 정확도는 FLEM이 우위
즉, 조금 더 오래 기다리면 훨씬 정확한 진단을 받을 수 있다는 의미다.

AI가 ‘왜 그렇게 판단했는지’ 보여준다

의료 AI가 신뢰를 받으려면, 단순히 “폐렴입니다”라고 말하는 것만으론 부족하다. FLEM-XAI는 SHAP와 Grad-CAM 같은 설명 도구를 사용해, AI가 X-ray 이미지 중 어디를 보고 판단했는지 시각적으로 보여준다.

예를 들어, Grad-CAM은 폐 중앙에 붉은 영역을 표시하며 “여기를 근거로 폐렴을 판단했다”고 알려준다. SHAP는 픽셀 그룹별 영향력을 수치로 분석해, 의사가 AI 판단 근거를 검증할 수 있게 한다.

또한, 연합형 설명(FedXAI) 기법을 적용해 병원별 설명 결과를 합산·익명화하여 전체 경향을 파악한다. 이 과정에서도 환자 데이터는 외부로 유출되지 않는다.

보안까지 신경 썼다

연구진은 환자 정보 보호를 위해 ‘차등 프라이버시(Differential Privacy)’를 적용, 모델 업데이트 시 노이즈를 추가했다. 여기에 TenSEAL 암호화 기술을 써서 병원 간 전송되는 정보도 안전하게 지켰다.

의사가 AI를 신뢰하게 만드는 길

연구팀은 앞으로 모델 압축으로 대역폭을 더 줄이고, 다양한 병원 데이터를 적용해 성능을 강화할 계획이다. 특히 “앙상블 모델의 판단 과정을 더 잘 해석할 수 있는 기술” 개발을 다음 목표로 잡았다.

의료 AI가 의사를 대체하진 않을 것이다. 하지만 이번 FLEM-XAI 연구처럼, ‘왜’라는 이유를 보여주는 AI는 의사의 든든한 조력자가 될 수 있다. 병원 간 데이터 장벽을 허물고, 동시에 환자 프라이버시를 지키는 AI. 그 첫걸음을 FLEM-XAI가 내디뎠다.

출처:
Durga, S., Daniel, E., Seetha, S., Reshma, V. K., & Sachnev, V. (2025). FLEM-XAI: Federated learning based real time ensemble model with explainable AI framework for an efficient diagnosis of lung diseases. Frontiers in Computer Science, 7, 1633916. https://doi.org/10.3389/fcomp.2025.1633916