비숙련 보건 인력을 위한 블라인드 스윕 프로토콜 도입
구글 리서치는 미국 노스웨스턴 대학교 병원 및 케냐 비영리 모자보건 단체 자카란다 헬스와 협력하여 비숙련 인력도 수행할 수 있는 AI 기반 '블라인드 스윕(Blind Sweep)' 산과 초음파 연구 결과를 공식 발표했다. 기존 산과 초음파 검사는 숙련된 초음파사가 통상 2년 이상의 전문 교육 과정을 거쳐 특정 태아 장기 단면을 정밀하게 탐색하고 측정해야 하므로 전문 인력이 부족한 지역에서는 접근성이 크게 제한되어 왔다.
이번 연구팀이 제안한 방식은 비숙련 보건 인력이 외적 신체 기준점에 맞춰 탐촉자(Probe)를 복부 위에서 정해진 경로대로 단순히 훑기만 하는 프로토콜을 사용한다. 구글 연구진에 따르면 비숙련 작업자가 이 측정 절차를 습득하는 데 필요한 교육 시간은 약 8시간에 불과하며, 실시간 영상 품질 판정 알고리즘을 통해 재촬영 필요 여부를 즉각 판단하도록 지원한다.
인터넷 없는 현장을 겨냥한 온디바이스 모바일 최적화
이 시스템은 배터리로 구동되는 저가형 휴대용 초음파 탐촉자(POCUS 기기)와 스마트폰을 직접 연동해 작동한다. 구글 연구진은 선행 연구를 통해 구축한 딥러닝 경량화 기술을 바탕으로 TensorFlow Lite 기반 온디바이스(On-device) 연산 아키텍처를 적용했다.
이에 따라 클라우드 서버나 외부 통신망, 안정적인 전력망이 전혀 없는 완전한 오프라인 환경에서도 스마트폰 내부에서 실시간 추론이 완결된다. 검사 현장에서 외부 데이터 전송 없이도 영상 품질 판정, 임신 주수(Gestational Age) 추정, 태아 태위(두위 또는 둔위) 식별 결과가 기기 화면에 즉시 도출된다.
다기관 임상에서 입증된 표준 계측 대비 비열등성
연구팀이 《JAMA Network Open》에 게재한 다기관 검증 결과에 따르면, 미국 시카고(1,008명)와 케냐 나이로비(1,035명)에서 구축된 총 2,043명의 임산부 코호트를 바탕으로 알고리즘의 일반화 성능을 평가했다. 특히 임신 16주에서 36주 사이의 임산부 385명(시카고 192명, 나이로비 193명)을 대상으로 전문의의 표준 진단과 비열등성 비교를 진행했다.
분석 결과, 비숙련자가 수집한 블라인드 스윕 데이터 기반 AI 모델의 임신 주수 평균 절대 오차(MAE)는 시카고 4.1일, 나이로비 4.3일로 전체 평균 4.2일을 기록했다. 이는 임상 전문의가 고가 장비로 계측한 표준 진단(Hadlock biometry)의 전체 평균 오차 4.5일과 비교했을 때 사전 설정된 1일 비열등성 마진(Noninferiority margin) 기준을 충족하며, 임상 표준에 뒤지지 않는 통계적 성능을 확인시켰다.
자원 부족 환경의 선별 체계 구축과 실무적 의의
이번 연구가 제시하는 가장 큰 실무적 가치는 고가의 초음파 장비와 전문 초음파사 중심의 분만 전 관리 인프라를 경량화 기기와 단기 교육 인력으로 대체할 수 있는 선별(Triage) 가능성을 제시했다는 점이다. 통신 인프라가 미비한 개발도상국이나 원격지 보건소에서 전력선과 통신망 없이도 즉각적인 산전 스크리닝 체계를 구축할 수 있는 실무적 토대를 마련했다.
특히 임신 주수 오차를 전문의 수준으로 통제하면서 둔위(역아) 등 이상 태위를 현장에서 조기에 식별할 수 있다는 점은 분만 합병증 위험이 높은 고위험 산모를 상급 의료기관으로 제때 전원시키는 의사결정을 돕는 데 기여할 수 있다. 이는 전문 인력 양성에 수년이 걸리는 의료 취약지의 구조적 병목을 완화하는 기술적 대안이 될 수 있다.
진단 범위 제한과 연구 단계의 명확한 한계점
구글의 발표는 일선 보건 인력에게 보편적 진단 역량을 부여한다는 점을 강조하지만, 논문이 밝힌 실제 진단 범위는 엄격히 제한되어 있다. 현재 알고리즘은 오직 '임신 주수 추정'과 '태아 태위 판정'에 국한되어 있으며, 태아 기형 진단, 태반 이상, 양수량 이상 등 산과 진료에서 치명적인 고위험 복합 질환 판독 기능은 전혀 포함되지 않았다.
또한 비숙련 작업자의 스캔 경로 이탈이나 탐촉자 압력 불균형으로 인한 데이터 누락을 AI가 실시간으로 보정해야 하는 구조적 의존성이 존재한다. 논문에서도 쌍둥이 등 다태아 임신과 극단적 저체중 및 과체중 태아 표본 수가 부족해 이에 대한 추가 검증이 필요하다고 명시했다. 무엇보다 본 결과는 학술 연구 단계의 성과일 뿐 미국 FDA 등 규제 당국의 정식 의료기기 품목허가를 취득한 상용 제품이 아니라는 점을 감안해야 한다.
출처
Google Blog의 원출처와 본문에 표시한 참고자료를 바탕으로 한국어로 재구성했습니다. ‘ARCH.B 분석’은 자료를 읽고 덧붙인 편집 해석입니다.
Ask a Scientist: How are researchers using AI to help pregnant women access ultrasounds? (새 창)
