유방암 진단 정확도 99%의 비밀, AI는 어떻게 유방촬영 사진을 ‘다르게’ 보기 시작했을까? | 딥러닝·웨이블릿·의료AI 혁명

-

 



유방암, 왜 이렇게 발견하기 어려웠을까? 그런데 AI가 판을 바꾸기 시작했다

유방암은 전 세계 여성에게 가장 흔하게 발생하는 암 중 하나다. 문제는 조기에 발견하면 생존율이 90%를 훌쩍 넘지만, 놓치면 순식간에 생명을 위협하는 병으로 변한다는 점이다.
그래서 병원에서는 유방촬영술(맘모그래피)을 사용해 아주 미세한 이상 신호까지 찾아내려 애쓴다.


하지만 여기엔 큰 한계가 있다.


사진 속 흰 점 하나, 조금 어긋난 조직, 미묘한 질감 차이를 사람이 모두 정확히 구분하기란 거의 불가능에 가깝다. 숙련된 영상의학과 전문의조차도 피로와 주관적 판단에서 자유로울 수 없다.


“그렇다면 컴퓨터는 어떨까?”


이 질문에서 출발한 연구가 바로 MERGE라는 이름의 새로운 인공지능 진단 시스템이다. 그리고 결과는 놀라웠다. 정확도 약 99%.


이건 단순한 숫자가 아니다. 유방암 진단의 방식 자체가 바뀔 수 있다는 신호다.

AI는 사진을 ‘한 번’ 보지 않는다, 세 번 보고 합쳐서 판단했다

기존의 의료 AI 대부분은 사진을 한 가지 방식으로만 본다.
마치 우리가 사진을 눈으로 보는 것처럼, 밝기·모양·경계 같은 공간적 정보에만 집중한다.


하지만 연구진은 이렇게 질문했다.


“사진 속에는 눈에 보이지 않는 정보도 숨어 있지 않을까?”


그래서 등장한 개념이 바로 공간 정보 + 주파수 정보 + 둘의 결합이다.

1️⃣ 사진을 쪼개서 다시 본다 – 웨이블릿 변환

MERGE는 먼저 유방촬영 이미지를 잘게 쪼갠다.
마치 음악을 저음·중음·고음으로 나누듯, 사진도 거친 구조와 미세한 질감으로 분해한다.

이 과정에서 사용된 것이 이산 정상 웨이블릿 변환이다.
어렵게 들리지만 핵심은 간단하다.

사진의 숨은 결을 드러내는 돋보기


이 방법은 이미지의 크기를 줄이지 않으면서도,
암 조직 특유의 미세한 패턴을 더 또렷하게 만든다.

2️⃣ 서로 다른 AI 3명이 동시에 판독한다

MERGE는 단 하나의 AI에게 맡기지 않았다.
대신 성격이 다른 세 명의 AI를 투입했다.

  • 깊이 파고드는 타입
  • 넓게 동시에 보는 타입
  • 빠르고 효율적인 타입

각각 다른 강점을 가진 AI가 원본 이미지와 웨이블릿 이미지를 모두 학습한다.
즉, 한 장의 사진을 여섯 번 분석하는 셈이다.

3️⃣ 정보를 그냥 섞지 않는다 – 똑똑한 융합

문제는 정보가 너무 많아졌다는 것.
그래서 MERGE는 단순히 이어 붙이지 않았다.

대신 주요 정보만 압축해서 남기는 방식을 썼다.
이 덕분에 중복은 줄고, 중요한 신호는 더 선명해졌다.

4️⃣ 마지막 판단은 ‘설명 가능한 AI’가 한다

최종 단계에서는 결과를 사람이 이해할 수 있는 형태로 줄인다.
이 과정 덕분에 “왜 암이라고 판단했는지”를 어느 정도 설명할 수 있다.

그리고 나서

  • 가장 똑똑한 선 긋기 전문가
  • 주변 사례를 비교하는 전문가

이 둘이 최종 판단을 내린다.


결과는? 거의 완벽에 가까웠다

이 시스템은 실제 유방촬영 데이터 두 종류에서 시험됐다.
결과는 충격적이었다.

  • 정확도: 약 99%
  • 암을 암으로 맞히는 능력: 거의 100%
  • 정상 조직을 잘 걸러내는 능력: 매우 높음

특히 중요한 점은 이거다.

사진 종류가 달라도 성능이 거의 떨어지지 않았다


이는 실제 병원 환경에서 쓰일 가능성이 매우 크다는 뜻이다.

이 연구가 특별한 진짜 이유

이 연구가 단순히 “정확도가 높다”에서 끝났다면 여기까지 주목받지 못했을 것이다.
진짜 가치는 다음 세 가지다.

  1. 사진을 보는 관점을 바꿨다
  2. 여러 AI를 협업하게 만들었다
  3. 의사가 이해할 수 있는 AI에 가까워졌다

즉, 현실적인 의료 현장에 가져다 쓸 수 있는 AI에 한 발 더 다가갔다.

앞으로의 유방암 검진, 이렇게 달라질 수 있다

상상해보자.

  • 검진 속도는 더 빨라지고
  • 의사는 놓칠 수 있는 부분을 AI가 먼저 알려주고
  • 환자는 더 이른 시점에 치료를 시작한다

MERGE는 그 미래가 공상이 아니라 현실적인 다음 단계임을 보여준다.


AI가 의사를 대체하는 시대가 아니라,
의사의 눈을 몇 배로 확장하는 시대가 열리고 있는 것이다.



출처: Attallah, O. (2026). MERGE: Mammogram-Enhanced Representation via Wavelet-Guided CNNs for Computer-Aided Diagnosis of Breast Cancer. Machine Learning and Knowledge Extraction, 8(2), 40. https://doi.org/10.3390/make8020040