의사 눈을 대신한 인공지능, 콩팥 종양을 정확히 ‘집어내다’
의사가 CT나 MRI 화면을 들여다보며 가장 먼저 찾는 것은 경계다.
정상 조직과 병변이 갈리는 그 미묘한 선 하나가, 수술 여부와 치료 방향을 결정한다.
하지만 그 선은 언제나 또렷하지 않다.
특히 콩팥 종양은 모양이 들쭉날쭉하고 크기도 제각각이라, 숙련된 전문가에게도 까다로운 상대다.
이 오래된 난제를 인공지능이 정면으로 파고들었다.
2026년 2월, 국제 학술지 Frontiers in Artificial Intelligence에 발표된 한 연구가 의료 AI의 새 가능성을 보여줬다 .
왜 콩팥 종양은 늘 ‘어렵다’고 말할까
콩팥은 우리 몸의 정수기 같은 존재다.
혈액 속 노폐물을 걸러내고, 수분과 전해질 균형을 조절한다.
문제는 이 중요한 장기에 혹이 생길 때다.
초기에는 작고 흐릿해 영상에서 잘 보이지 않는다.
시간이 지나면 모양이 변하고, 주변 조직을 밀어내며 자란다.
이 과정에서 경계가 울퉁불퉁하게 튀어나오는 현상이 자주 나타난다.
기존 인공지능은 이런 돌출 부위를 놓치기 일쑤였다.
결과는 과소 진단, 혹은 불필요한 수술이었다.
연구진이 꺼내든 해법, ‘두 개의 눈’
인도 벨로르 공과대 연구팀은 단순한 성능 개선에 만족하지 않았다.
아예 구조를 바꿨다.
이들이 제안한 모델 이름은 VHUCS-Net.
핵심은 두 개의 인공지능을 동시에 돌리는 이중 구조다.
하나는 콩팥 전체를 정확히 찾는 역할을 맡는다.
다른 하나는 종양의 튀어나온 부분만 집요하게 추적한다.
마치 넓은 시야의 감시 카메라와, 미세한 결함을 찾는 현미경을 동시에 쓰는 방식이다.
첫 번째 눈, “전체 그림을 먼저 본다”
첫 번째 인공지능은 콩팥의 윤곽을 그린다.
기존 U-Net 구조에 트랜스포머와 고해상도 네트워크를 결합했다.
트랜스포머는 멀리 떨어진 픽셀 간 관계를 한 번에 파악한다.
“여기만 보지 말고, 전체 맥락을 보라”는 식이다.
덕분에 콩팥의 위치와 형태를 사람처럼 인식한다.
해상도를 유지한 채 구조를 놓치지 않는 점이 강점이다.
두 번째 눈, “튀어나온 곳을 절대 놓치지 않는다”
두 번째 인공지능의 임무는 더 집요하다.
이름부터 직설적이다. 돌출부 탐지 네트워크.
종양이 정상 조직을 밀어내며 만든 미세한 경계 변화에 집중한다.
대비를 극대화하고, 경계를 반복해서 다듬는다.
이 과정에서 작은 종양도 선명하게 드러난다.
초기 암을 놓치지 않는 데 결정적인 역할을 한다.
두 결과를 하나로 합치면 벌어진 일
연구진은 두 인공지능의 결과를 마지막에 합쳤다.
전체 구조와 세부 이상 신호를 하나의 지도처럼 겹친 셈이다.
결과는 숫자로 증명됐다.
종양 분할 정확도는 Dice 점수 0.97, IoU 0.94.
의료 영상 분야에서 이 수치는 거의 최상위권이다.
경계가 흐릿한 사례에서도 성능이 안정적으로 유지됐다.
의사에게는 무엇이 달라질까
이 기술이 병원에 들어오면 가장 먼저 달라지는 건 시간이다.
수십 장의 영상을 하나하나 확인하던 부담이 줄어든다.
또 하나는 신뢰도다.
사람마다 달랐던 판독 결과가 일정해진다.
수술 범위 결정, 치료 계획 수립도 더 정밀해진다.
특히 조기 발견이 중요한 콩팥암에서 의미가 크다.
콩팥을 넘어 다른 질병으로
흥미로운 점은 여기서 끝이 아니다.
연구진은 이 모델을 피부암, 혈액세포, 다른 장기 영상에도 적용했다.
결과는 역시 안정적이었다.
구조가 복잡하고 경계가 불명확한 병변일수록 강점을 보였다.
이는 이 기술이 특정 질병 전용이 아니라는 뜻이다.
의료 영상 전반으로 확장될 가능성이 열린 셈이다.
인공지능은 ‘대체’가 아니라 ‘확장’이다
이 연구는 분명한 메시지를 던진다.
인공지능은 의사를 대신하려는 존재가 아니다.
의사의 눈을 확장하는 도구다.
놓치기 쉬운 신호를 먼저 건네는 조력자다.
콩팥 종양이라는 어려운 문제에서 시작된 이 시도는,
의료 AI가 어디까지 갈 수 있는지를 보여주는 하나의 이정표다.
출처
Jenifa Sharon, J., & Jani Anbarasi, L. (2026). Advanced kidney mass segmentation using VHUCS-Net with protuberance detection network. Frontiers in Artificial Intelligence, 9, 1716063. https://doi.org/10.3389/frai.2026.1716063