AI와 뎁스카메라가 여는 정밀 방사선 치료의 미래: YOLOAddSeg 알고리즘과 실시간 위치보정 시스템(PMRP)의 혁신

 http://dx.doi.org/10.9718/JBER.2023.44.2.125

1. 서론: 방사선 치료의 핵심, '정밀함'과의 싸움

현대 의학에서 암 치료의 3대 축은 수술, 항암 화학요법, 그리고 방사선 치료입니다. 특히 방사선 치료는 암 환자의 절반 이상이 경험할 만큼 그 비중이 커지고 있으며, 국내에서도 약 33%의 환자가 이 치료를 받고 있습니다. 방사선 치료의 성패를 가르는 가장 중요한 요소는 암 조직에는 강력한 에너지를 집중시키고, 주변의 정상 조직은 보호하는 '정밀 조사'에 있습니다.

하지만 기존 시스템에는 치명적인 약점이 있었습니다. 현재 많은 병원에서 환자의 움직임을 감시하기 위해 CCTV를 사용하지만, 이는 육안에 의존하는 시각적 모니터링일 뿐입니다. CCTV로는 미세한 떨림이나 호흡에 따른 Z축(깊이) 방향의 움직임을 정밀하게 감지하기 어렵습니다. 환자의 미세한 움직임은 치료 성적을 저하시키고 정상 조직에 부작용을 일으키는 원인이 됩니다.

2. 혁신의 시작: YOLOAddSeg 알고리즘과 PMRP 시스템

이러한 한계를 극복하기 위해 성균관대학교와 삼성서울병원 연구팀은 PMRP(Precision Motion Recognition and Positioning) 시스템을 개발했습니다. 이 시스템의 핵심은 뎁스카메라(Depth Camera)를 통해 얻은 3차원 정보와 자체 개발한 YOLOAddSeg(You Only Look Add Segmentation) 알고리즘에 있습니다.

YOLOAddSeg 알고리즘의 매커니즘

YOLOAddSeg는 최신 객체 인식 기술인 YOLO v8과 세그멘테이션(Segmentation) 기술을 결합한 것입니다.

• 객체 인식 및 분리: 치료실 내 배경과 환자, 의료진, 치료 장비를 실시간으로 구분합니다.
• 신체 부위 영역화: 환자의 신체를 머리, 가슴, 복부 등 총 16개 부위로 정밀하게 나누어 인식합니다.
• 3차원 좌표 추출: 인식된 각 부위의 2D 좌표(X, Y)와 뎁스카메라의 깊이 데이터(Z)를 매칭하여 실시간 3차원 위치값을 확보합니다.

3. 시스템 구성 및 동작 원리

PMRP 시스템은 단순한 모니터링을 넘어, 감지된 움직임을 즉각적으로 보정하는 하드웨어 제어까지 통합되어 있습니다.

 

[그림 1] 시스템의 구성도 (Configuration of the System)

• PMRP 시스템은 3D 뎁스카메라, 모터 제어부, 모니터링 시스템, 그리고 실시간 제어를 위한 통신 모듈로 구성됩니다. 뎁스카메라가 환자의 영상을 취득하면 PC의 알고리즘이 분석하여 모터 제어부에 피드백을 전달하는 구조입니다.

 

[그림 2] 시스템의 개요도 (Diagram of the System)

• 모니터링이 시작되면 기준 영상을 설정합니다. 이후 실시간 영상과 기준 영상의 XYZ 좌표 차이를 계산하여, 그 오차가 2mm 이상일 경우 위치보정 장치를 가동하여 정밀 제어를 수행합니다. 오차가 2mm 미만이 되면 보정을 완료합니다.

4. 연구 데이터로 증명된 정확도와 신뢰성

연구팀은 자체 제작한 상반신 팬텀(마네킹)과 테스트베드를 통해 시스템의 성능을 철저히 검증했습니다.

객체 인식의 정확도

실험 결과, 치료실 내 주요 객체들에 대한 인식률은 매우 안정적이었습니다.

[표 1] 객체 인식의 정확도 (%)

구분	환자 (Patient)	방사선사 (Radiographer)	장비 (Machine)	침대 (Couch)
평균 정확도	97.17%	96.15%	97.73%	93.62%

• 데이터 해석: 모든 주요 객체에 대해 93% 이상의 높은 인식 정확도를 보였으며, 표준편차 또한 1%대로 낮아 시스템의 안정성을 확인했습니다.

 

[그림 3] 치료실 내부의 객체 인식 결과

• YOLOAddSeg 알고리즘이 치료실 내의 환자(Patient), 의료진(Radiographer), 치료 장비 등을 각각의 바운딩 박스로 정확히 구분하여 인식하고 있는 실제 화면입니다.

[표 2] 신체 부위별 인식 및 깊이 데이터 (샘플)

부위	인식 정확도 (%)	픽셀 수 (Seg)	깊이 (Dep, mm)
머리 (Head)	97.51%	5872	1913
가슴 (Chest)	94.43%	38543	1861
복부 (Abd.)	94.86%	35494	1826

• 데이터 해석: 신체 각 부위를 세밀하게 분할(Segmentation)하고 해당 영역의 평균 깊이값을 mm 단위로 정확하게 산출해냄을 알 수 있습니다.

5. 위치 보정 기술의 정밀도 제어

단순히 움직임을 아는 것보다 중요한 것은 이를 어떻게 되돌리느냐입니다. PMRP 시스템의 위치보정기구는 100kg 이상의 하중에서도 오차 범위 ±1mm 이내의 정밀한 복귀 능력을 보여주었습니다.

 

[그림 4] PMRP 위치보정기구 (Location Correction Equipment)

• 실시간 피드백 데이터에 따라 환자의 위치를 보정하는 정밀 모터 제어 장치입니다. 상하좌우 및 깊이 방향의 미세 조정을 수행하여 환자를 치료 계획 당시의 정확한 위치로 되돌립니다.

6. 결론: 국내 의료기기 기술의 자립과 미래

이번 연구는 외산 장비에 의존하던 방사선 치료 분야에서 독자적인 AI 플랫폼 기술을 확보했다는 점에서 경제적, 사회적 의미가 큽니다. 특히 폐암이나 간암처럼 호흡에 의한 움직임이 큰 암종 치료에서 환자의 호흡 주기와 동기화된 실시간 보정은 치료 성적을 획기적으로 높일 수 있습니다.

향후 이 시스템은 환자의 신체 특성에 맞게 스스로 학습하는 딥러닝 기반 자동 동작 모니터링 시스템으로 진화하여, 더욱 안전하고 효과적인 'K-의료'의 표준을 제시할 것으로 기대됩니다.

---

References

1. Park, K. Y., & Ryu, G. H. (2023). Development of Motion Recognition and Real-time Positioning Technology for Radiotherapy Patients Using Depth Camera and YOLOAddSeg Algorithm. Journal of Biomedical Engineering Research, 44(2), 125-138.
2. Sung, J. H., et al. (2021). Current Status and Future Directions of Radiation Therapy in Korea. Journal of Cancer Research and Clinical Oncology.
3. Redmond, J., & Farhadi, A. (2018). YOLOv3: An Incremental Improvement. arXiv preprint.
4. Bozikov, G., et al. (2020). Real-time Patient Motion Monitoring in Radiation Oncology. Medical Physics.
5. Smith, A., et al. (2019). Impact of Intra-fraction Motion on Dose Distribution in Radiotherapy. International Journal of Radiation Oncology.
6. He, K., et al. (2017). Mask R-CNN for Instance Segmentation. IEEE International Conference on Computer Vision (ICCV).
7. Lee, S. H., et al. (2022). Clinical Applications of Artificial Intelligence in Radiotherapy. Radiation Oncology Journal.