뷰노가 딥러닝(DL) 분야 국제 학회인 ‘표현학습국제학회(ICLR)에서 자기지도학습(SSL) 알고리즘에 대한 뷰노의 연구결과가 채택됐다고 전했다. 이  연구논문은 인공지능(AI) 기반 심전도 데이터 분석의 효율성과 정확도를 높이는 방법에 대한 것이다.

뷰노 연구팀은 이번 연구에서 심전도 데이터의 학습과 분석에 특화한 자기지도학습 딥러닝 모델을 제안했다.

자기지도학습은 챗GPT 등 초거대AI의 기반이 되는 딥러닝 기술로 스스로 규칙을 찾아 레이블링 되지 않은 데이터를 분석하고, 결과를 제시한다. 자기지도학습을 활용하면, 많은 비용이 요구되는 레이블링 과정을 줄여 비용절감을 이뤄낼 수 있다고 뷰노는 소개했다.

연구팀은 먼저 레이블링 되지 않은 많은 양의 심전도 데이터를 학습시킨 자기지도학습 모델을 구축한 다음, 해당 모델을 활용해 부정맥, 심근경색 등 여러 심혈관 질환을 효과적으로 판별할 수 있는지 확인했다.

연구결과 해당 모델은 예측 정확도를 나타내는 성능지표인 AUROC를 기준으로 병원에서 측정하는 표준 12유도 심전도에서 0.933, 6유도 심전도에서 0.903, 단일유도 심전도에서 0.804를 기록하는 등 우수한 성능을 나타냈다.

적은 양의 데이터로도 높은 성능을 기록한 점이 눈에 띈다. 12유도 심전도를 기준으로 일반 딥러닝 모델 학습 데이터의 5%만을 활용하고도 AUROC 0.878의 우수한 성능을 나타냈다. 

1%의 레이블링 데이터(약 100개)를 학습시킨 경우 뷰노의 모델은 AUROC 0.815를 기록해, 일반 딥러닝 모델(AUROC 0.615)에 비해 정확한 분석 결과를 제시했다.

뷰노는 이번 연구결과가 자기지도학습 모델이 적은 양의 데이터만으로도 심전도 측정 방법과 관계없이 다양한 심혈관 질환을 탐지할 수 있는 범용성을 갖는다는 것을 보여주는 동시에 AI 모델을 개발할 때 레이블링 과정을 크게 줄여 연구개발 원가 절감에 기여할 수 있음을 시사한다고 설명했다. 

뷰노는 자기지도학습 모델을 심전도 사업 영역에 적용할 계획이다. 국내 확증 임상시험을 진행하고 있는 AI 기반 심전도 분석 소프트웨어(뷰노메드 딥ECG)의 질환별 세부 모델 상용화에 적용하고, B2C 형태로 판매 중인 하티브 P30을 통해 수집된 심전도 데이터를 분석에도 활용할 예정이다.

하티브 P30-뷰노메드 딥ECG와도 연동을 추진하는 등 향후 사업 전개에 적극 활용할 방침이다.

이예하 뷰노 대표는 “이번 연구는 심전도 분야에 최신 AI 트렌드를 반영했다는 의미를 넘어 향후 사업에 실질적인 도움이 될 수 있는 결과를 입증했다는 점에서 의미를 갖는다”고 전했다.