앞서 소개한 내용이 치과기공 분야에서 주로 사용되어왔던 CAD Software들의 주요 업데이트 사항들이었다면 이번 페이지에는 새로운 내용을 다루고자 한다.
최근 등장하고 있는 인공지능 및 웹 기반 치과용 CAD Software가 바로 그것이다.
ZERO는 이마고웍스㈜의 김영준 대표이사를 만나 치과기공계에 진입한 IT 최신 기술의 응용 사례와 치과기공사를 위한 딥러닝 기술과 클라우드 서비스에 대해 소개하는 시간을 가졌다.
윤준식 기자 zero@dentalzero.com
1. 딥러닝(Deep Learning) 개요
최근 인공지능(Artificial Intelligence, AI) 기술은 놀랍도록 발전했다. 그 중 대표적인 것이 ‘딥러닝’(Deep Learning)인데, 쉽게 말해 컴퓨터 알고리즘이 스스로 배워나가는 학습의 개념으로 설명할 수 있다. 딥러닝은 기존의 AI 알고리즘에 비해 비약적으로 성능이 향상되어 산업 전분야에 폭발적으로 응용되기 시작했다.
AI 기술의 시작은 신경망 모델이 제안된 1950년대로 거슬러 올라간다. 그리고 1980년대에 대량의 데이터를 사용하여 컴퓨터 알고리즘을 ‘학습’시키는 AI 기법인 ‘머신러닝’이 등장했다. 그러나, 머신러닝은 AI를 구현하는 과정 전반에 사람이 개입해 알고리즘을 설계해야 한다는 점에서 현재의 딥러닝과 차이가 있다. 2010년대에 새롭게 부각된 ‘딥러닝’ 기술은 우리 인간의 뇌신경을 모사한 인공 신경망의 층을 깊게 쌓음으로써, 대상이 되는 데이터를 충분히 많이 학습하게 되면 스스로 학습한대로 사물을 분별하거나 판단하는 능력을 갖췄다.
위와 같은 변화의 배경에는 새로운 방식의 알고리즘이 개발된 것도 있지만, ‘NVIDIA’의 GPU같은 병렬 연산 처리 하드웨어가 함께 발전하면서 학습시간을 단축시키고 대용량의 데이터를 처리할 수 있게 되었으며, 학습에 필요한 빅데이터가 충분히 준비되어 딥러닝의 발전을 가능하게 했다.
딥러닝은 크게 지도학습(Supervised Learning)과 비지도학습(Unsupervised Learning), 강화학습(Reinforcement Learning) 세 가지로 나눌 수 있다. 의료 분야에 많이 사용되는 지도학습은 쉽게 표현하자면, 정답을 가르쳐주고 정답을 맞출 때까지 반복적으로 주입식 학습을 수행하는 방식이다. 예를 들면 수천, 수만 케이스의 교합관계에 대한 전문의의 정답 데이터를 학습한 후, 새로운 환자 데이터가 ClassⅠ, Class II, Class III 중 어떤 교합관계인지 분류하는 데 사용될 수 있다. 다음으로 비지도학습은 군집을 형성해 환자군을 스스로 그룹화해 분류하는 능력을 갖췄다. 마지막으로 강화학습이 있다. 이 강화학습은 ‘알파고’가 대표적인데, 현재 상황(State)에서 목표하는 방향으로 성공 시에는 가산점을 주고 실패했을 때는 감점을 주는 방식의 보상(Reward)을 받아 AI가 궁극적으로 최적의 점수를 얻을 수 있는 행동(Action)을 취하도록 강화시키는 학습이다.
현재, 의료 영상 분야에 많이 사용되고 있는 지도학습(Supervised Learning) 방식의 딥러닝은 양질의 많은 학습 데이터가 필요하다. 데이터 증강(Augmentation)이라는 기법을 사용해 학습 데이터를 늘려주는 효과를 얻을 수 있기는 하지만 기본적으로 딥러닝 기술 개발에는 수천, 수만 단위의 대량의 정답 데이터가 필요하다. 일반적으로, 딥러닝 개발 시에는 훈련데이터(Training set)로 학습을 수행하고, 검증 데이터(Validation set)로 학습 과정을 최적화하며, 최종적으로 시험 데이터(Test set)로 딥러닝 성능을 평가한다.
2. 치과 분야에서의 딥러닝 기술 응용
최근 들어 일반 산업계에서 딥러닝 기술이 획기적인 발전을 이루면서, 치과의료 분야에도 딥러닝 기술이 응용되기 시작했다. 앞서 설명했듯이, 지도학습 방식의 딥러닝은 영상 인식에 강점이 있어 전문가 수준의 성능을 기대할 수 있다. 치과 분야의 딥러닝은 치과 X-ray 영상에 가장 먼저 적용되었다고 볼 수 있는데, 환자의 측면 X-ray 영상(Cephalometric Image)에서 특징점을 인식하고 Tracing을 자동화하는 기술은 이미 개발되어 널리 사용되고 있다. 치과용 파노라마 영상에 대해서도 딥러닝 기법을 통해 치근이나 임플란트, 보철물의 위치나 질환의 유무를 학습한대로 찾아낼 수 있다. 더 나아가 3D CT상에서 개별 치아, 상악, 하악, 하치조신경관 등 개별 환자의 3차원 해부학적 구조를 자동으로 모델링 해낼 수 있다.
‘그림 2’는 3D CT로부터 상악, 하악의 3차원 모델을 자동으로 생성하는 딥러닝 네트워크 및 결과를 보여준다. 영상 자동 인식 외에도, 임플란트 수술 가이드 설계에 필요한 CBCT 데이터와 3D 구강스캔 데이터의 정합 과정도 딥러닝 학습을 통해 자동으로 이루어질 수 있다.
딥러닝 기술은 치과기공 분야에도 횔용하여, 치과기공 작업 중 시간이 오래 걸리고 기계적으로 반복해야 하는 작업을 자동화할 수 있다. 보철 치료에 필요한 크라운의 3D 모델링의 예를 들면, 치과기공사 분들이 제작한 크라운 등의 보철물에 대한 빅데이터를 학습한 후 학습한대로 새로운 환자 구강 스캔 데이터에 대해 최적의 보철물 형태와 배열, 그리고 교합관계를 제시할 수 있는 딥러닝 기술 구현이 가능하다. 고성능의 보철물 디자인 모델링 자동화를 위한 딥러닝 기술을 개발하기 위해서는 개별 환자의 임상 상태를 고려한 숙련된 작업자의 최적의 보철물 형상 모델 데이터가 대량으로 필요하다. 현재의 딥러닝 자동 보철물 모델링 기술은 학습한 데이터와 비슷한 상황에 대해서는 어느 정도 초기 형태를 그럴듯하게 제시해 줄 수는 있기 때문에, 딥러닝이 제시한 디자인을 치과기공사의 목적과 취향에 따라 마무리 작업만 추가적으로 하여 작업 효율을 높이는 방식을 생각해 볼 수 있다.
‘그림 3’과 같이 3차원 구강 스캔 데이터로부터 개별 치아의 분리를 자동화하는 딥러닝 기술에도 사람이 일일이 수동으로 분리한 개별 치아에 대한 수많은 정답 데이터가 학습 과정에 사용된다. 개별 치아의 자동 분리 기능은 디지털 모델 작업, 교정 치료 계획 및 구강내 장치 제작, 혹은 기존의 덴쳐 재제작에 필요한 치아와 잇몸부분 분리 작업에 사용될 수 있다. 이밖에도 사람이 할 수 있는 작업이라면 해당 빅데이터를 통해 학습한 후, 다양한 치과용 CAD Software 기능을 개선하고 자동화하기 위해 딥러닝 기술을 활용할 수 있다.
3. 클라우드 기반 치과용 CAD Software의 등장
PC에 프로그램을 별도로 설치하지 않고도 웹 브라우저상에서 사용할 수 있는 CAD Software도 함께 발전하고 있다. 해외의 경우 ‘AVADENT’가 웹상에서 디지털 덴쳐를 디자인할 수 있는 프로그램을 소개했고 교정 분야에서는 ‘SureSmile’이 대표적인 클라우드 기반 소프트웨어이다. 클라우드 기술은 마치 구름과 같이 인터넷상에 데이터를 올려놓고 웹상에서 작업할 수 있도록 파일 저장, 보안, 백업, 고성능 GPU 사용 등의 서비스 등을 지원한다.
앞으로의 치과용 CAD Software는 웹 형식의 클라우드 기반 서비스가 더욱 발전할 것으로 보인다. 고사양의 PC가 없이도 웹 서버에서 치과기공소에 디자인 지원 및 디자인 작업 결과를 전송해 줄 수 있고, 온라인상에서 GPU 없이도 AI 딥러닝 기능을 사용할 수 있을 것이다. 또한, 인터넷만 연결되어 있다면 집, 해외, 기공소 등 어느 위치에 있어도 디자인 작업이 가능한 환경이 더욱 광범위하게 확산될 것이며, 필요 시 치과와 작업과정을 공유할 수도 있을 것이다. 이런 기술의 발전으로 치과기공소에서 같은 작업에 대해 지금보다 더욱 수월하고 빠르게 보철물을 제작할 수 있고 시술자의 의도를 파악해 커뮤니케이션이 원활하게 될 수 있는 환경이 조성될 것으로 기대한다. 이러한 IT 기술들의 발전과 더불어, 기술적으로 앞선 경쟁력을 가진 대한민국 치과기공소에서 전 세계의 치과 보철물을 다룰 수 있는 환경이 조성되면 궁극적으로 국내 치과기공소들의 수익성이 향상될 수 있을 것으로 생각한다.
4. 맺음말
딥러닝 및 클라우드 기술의 치과용 CAD Software는 아직 개발 단계이며, 앞으로 지속적인 발전이 기대되는 분야이다. 이러한 기술을 활용하여 기존의 보철물 CAD 모델링 시 불편하고 오랜 시간이 소요되던 단순 작업과정이 자동화되고, 같은 작업에 필요한 노력을 대폭 경감시켜 줄 수 있다. 계산기나 엑셀 스프레드시트 같은 기술의 등장으로 세무/회계사들이 더 편리하게 일하고 있는 것처럼, 딥러닝이나 클라우드 기술도 치과기공사들을 도와주는 도구가 될 것으로 예상한다. 필자도 이러한 유용한 기술을 기반으로 한 치과용 CAD Software를 개발해 치과기공사 분들의 업무 환경 발전에 도움을 드리고, 디지털 기술을 활용하여 치과기공소의 비용 및 시간을 절감하고 , 수익을 극대화할 수 있는 솔루션을 제공하기 위해 최선을 다하고자 한다.
