AI 활용을 위한 병리 데이터 압축 및 클라우드 저장 기술에 관한 연구

국문 초록 (Abstract)

디지털 병리학의 도입으로 전체 슬라이드 이미지(WSI)와 같은 기가바이트 (GB) 단위의 대용량 데이터가 급증하고 있으나, 이는 저장, 전송, 인공지능 (AI) 분석에 심각한 병목 현상을 야기한다. 본 연구의 목적은 AI 활용을 전제로, 대용량 병리 데이터의 진단적 가치를 보존하면서 저장 및 전송 효율을 극대화하는 최적의 압축 기술과 클라우드 기반 관리 플랫폼을 개발하고, 그 유효성을 검증하는 데 있다. 이를 위해 국 내 15개 주요 병원으로부터 15만 장 이상의 WSI를 수집하여 대규모 데이터 셋을 구축하였다. SVS, NDPI 등 이종의 파일 형식을 표준 피라미드 TIFF로 변환하였으며, JPEG 압축 품질 계수(Q-fact or)에 따른 기술적, 임상적, 비용 적 영향을 다각도로 분석하였다. 특히 Q50 압축 수준을 중심으로 10명의 병 리 전문의가 참여하는 관찰자 간 일치도(Cohen’s Kappa) 평가를 통해 임상 적 유효성을 검증하였다. 또한, 이 모든 프로세스를 지원하는 클라우드 기반 뷰어 및 주석 플랫폼('MediAuto')을 개발하였으며, 온프레미스 및 클라우드 (AWS) 환경에서의 비용 절감 효과를 정량적으로 비교 분석하였다. 연구 결과, Q50 압축은 원본 대비 파일 크기를 최대 74%, 다운로드 시간을 60% 단축시키면서도, 해상도(MPP)와 핵심적인 이미지 품질을 보존하였다. 임 상 검증에서 Q50 압축 이미지의 관찰자 간 진단 일치도는 κ= 0.89로 ‘거 의 완벽한 일치’ 수준을 보였다. 비용 분석 결과, Q50 압축 적용 시 온프레 미스 환경에서 74%, 클라우드 환경에서 79%의 1년 총비용 절감이 확인되었 다. 이는AI 모델 학습 성능 저하가 미미한 수준(±1-2%)에서 달성된 결과이 다. 본 연구는 JPEG Q50 압축이 대용량 디지털 병리 데이터의 저장, 전송, AI 분석을 위한 효율적이고, 비용 효과적이며, 임상적으로 검증된 표준이 될 수 있음을 실증적으로 입증하였다. 제안된 압축 프레임워크와 클라우드 플랫폼 은 의료 기관의 디지털 병리 도입 장벽을 낮추고 다기관 연구를 촉진하는 핵심 기반 기술로 활용될 수 있을 것이다.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1.1 디지털 병리학의 패러다임 변화와 혁신적 발전 1
• 1.1.1 디지털 병리학의 역사적 맥락과 진화 과정 1
• 1.1.2 전체 슬라이드 이미징(WSI) 기술의 혁신적 발전 2
• 1.1.3 인공지능과 디지털 병리학의 융합 4
• 1.1.4 디지털 병리학의 정의와 범위 5
• 1.1.5 클라우드 컴퓨팅의 도입과 확산 7
• 1.2 한국의 디지털 병리학 연구 현황과 독창적 기여 9
• 1.2.1 한국 디지털 헬스케어 생태계의 발전 배경 9
• 1.2.2 압축 기술 연구의 선도적 성과 10
• 1.2.3 다기관 협력 플랫폼의 혁신적 설계 11
• 1.2.4 임상정보 표준화 및 관리 체계 12
• 1.2.5 한국형 디지털 병리 뷰어 개발 13
• 1.3 클라우드 컴퓨팅과 WSI의 융합: 기술적 혁신과 도전 15
• 1.3.1 클라우드 아키텍처의 진화와 최적화 15
• 1.3.2 대용량 데이터 처리 및 저장 최적화 17
• 1.3.3 실시간 협업 및 원격 진료 지원 기술 17
• 1.3.4 보안 및 규정 준수 체계 18
• 1.4 연구의 필요성 및 목적 19
• 1.4.1 현재 기술의 한계와 개선 필요성 19
• 1.4.2 다기관 협력의 필요성 도전과제 20
• 1.4.3 국제 경쟁력 확보와 표준화 기여 21
• Ⅱ. 본론 23
• 2.1 병리 데이터 압축연구방법 24
• 2.1.1 병리데이터 수집 24
• 2.1.2 병리데이터 알고리즘 개발 및 데이터 표준화 31
• 2.1.3 디지털병리 뷰어 개발 35
• 2.1.4 압축 전후 비교 분석 프로세스 41
• 2.1.5 압축 데이터의 ai 적용 및 결과 분석 프로세스 64
• 2.2 클라우드 저장 기술 66
• 2.2.1 병리 데이터 R&D용 클라우드 플랫폼 66
• 2.2.2 개발디지털병리 데이터의 클라우드 아키텍처 67
• 2.2.3 디지털병리 데이터의 클라우드 저장과 활용 아키텍처 71
• 2.2.4 클라우드 저장 연구 결과 75
• Ⅲ. 결론 79
• 3.1 디지털 병리 데이터의 확장과 연구의 필요성 79
• 3.2 디지털 병리 데이터 관리의 연구 81
• Ⅳ. 연구한계
• 1. 디지털 병리 데이터 관리의 연구 한계점 82
• 참고문헌 84
• Abstract 98