공간·시간 통합 분석해 사람처럼 수술실 상황 인지
글로벌 공개 벤치마크 테스트서 기존 최고 성능 모델 추월
담낭 절제술 편중됐던 수술 AI 연구를 간 수술로 확장
삼성서울병원 연구팀이 수술 장면의 맥락을 인식하는 인공지능 기술을 개발했다. 이는 삼성서울병원에서 지난 9월 선보였던 휴머노이드 수술보조로봇이 의사와 협업하는 데 필요한 핵심 기반 기술이다.
정규환 삼성서울병원 지능형의료로봇연구센터 센터장·전용준 연구원, 오남기 이식외과 교수 연구팀은 공간적 정보와 시간적 맥락을 함께 활용해 세부 수술 동작부터 전체 수술 단계까지 계층적으로 이해하는 AI, ‘커콘믹스플러스(CurConMix+)’를 개발했다고 17일 밝혔다.
개발 내용은 의료 영상 분야 국제 학술지 IEEE 의료 영상 트랜잭션(IEEE Transactions on Medical Imaging)에 게재됐다.
연구팀에 따르면 CurConMix+는 사람이 수술 상황을 인식하는 것처럼 작동한다. 기존 수술영상 AI가 개별 장면에서 수술 도구와 동작을 인식하는 데 집중했다면, CurConMix+는 영상 속 공간적 특징과 시간에 따른 수술 흐름을 통합적으로 분석한다.
수술 동작뿐 아니라 수술 단계와 세부 과업까지 수술 과정을 이해하도록 설계됐다. 이런 실시간 상황 인지는 수술 보조 시스템과 지능형 수술 환경의 필수 전제로 꼽힌다. 로봇이 수술실 안으로 들어오려면 ‘지금 수술이 어떤 단계이고 무슨 상황인지’를 알아야 하기 때문이다.
전 세계 연구자가 같은 기준으로 겨루는 공개 수술영상 벤치마크(CholecT45)를 토대로 시험한 결과, CurConMix+는 평균 정밀도(AP_IVT) 42.2%를 기록해 기존 최고 성능 모델(41.5%)을 앞질렀다. 간 절제술 영상에서는 58.4%를 기록해 기존 보다 10%포인트 이상 높은 것으로 나타났다. 이 값이 높을수록 AI가 수술 영상에서 도구와 동작, 대상을 더 정확하게 인식한다는 의미다.

학습 데이터에서 상대적으로 적게 등장하는 희귀 수술 동작에 대한 인식 성능도 개선됐다. 담낭을 떼어내기 전 담즙이 새는 것을 막는 클립을 적용하는 과정처럼 영상 전체에서 드문 동작의 평균 정밀도는 담낭 수술 영상에서는 33%에서 39%로, 간 수술 영상에서 43%에서 56%로 올랐다.
정규환 센터장은 “수술로봇이 의료진과 자연스럽게 협력하기 위해서는 단순히 수술 도구나 장기를 식별하는 것을 넘어, 현재 어떤 수술이 진행되고 있고 의료진이 무엇을 하고 있는지 이해할 수 있어야 한다”라며 “이번 연구는 개별 수술 동작부터 전체 수술 흐름까지 통합적으로 인식하는 AI 기술을 제시했다는 데 의미가 있다”라고 말했다. 이어 향후 수술 상황을 이해하고 의료진을 능동적으로 보조하는 지능형 수술로봇 개발의 기반이 될 것으로 기대한다”라고 덧붙였다.
연구팀은 2020년 2월부터 2022년 3월까지 삼성서울병원에서 시행된 복강경 간 절제술 48건, 약 52시간 분량의 영상으로 새 데이터셋 ‘LLS48’도 구축했다. 국제 수술영상 표준 분류에 따라 5개 수술 단계, 18개 세부 과업, 195개 동작으로 체계화했고, 간담췌외과 전문의 2명과 경력 10년 이상의 전문 인력 3명이 장면마다 이름표를 붙이고 검증했다.
그간 수술 AI 연구는 담낭 절제술에 편중돼 있었는데, 연구팀은 이를 간 수술로 확장했다. 데이터셋과 코드는 깃허브에 공개해 다른 연구자들도 함께 검증할 수 있도록 했다. 연구팀은 세밀한 수술 동작을 학습한 AI가 보다 상위 수준의 수술 단계까지 인식할 수 있는지도 평가해, 담낭 절제술의 수술 단계 예측에서 93% 이상의 정확도를 기록했다. 이는 개별 동작 인식을 넘어 수술 과정의 계층적 구조를 학습할 수 있다는 가능성을 보여준다.
오남기 교수는 “손끝 동작을 배운 AI가 수술 전체의 흐름까지 읽어낸 셈”이라며 “수술 과정 자동 기록과 수술 복기·전공의 교육을 거쳐, 궁극적으로는 수술 중 상황을 실시간 인지하는 휴머노이드 수술 보조 로봇에도 활용할 수 있을 것”이라고 전망했다.
이번 연구는 보건복지부 산하 한국보건산업진흥원이 지원하는 한국형 ARPA-H 프로젝트와 과학기술정보통신부 한국연구재단 지원 사업, 삼성서울병원 미래의학 2030 프로젝트 및 삼성서울병원 연구비 지원을 받아 수행됐다.




