美 존스홉킨스-스탠포드대, 수술 영상 보고 학습하는 로봇 기술 개발

 

 

 

▲ 수술용 로봇(사진=존스홉킨스대)

 

美 존스홉킨스대와 스탠포드대 공동 연구팀은 로봇이 수술 동영상을 관찰하면서 수술 기법을 학습할 수 있는 기술을 개발했다고 美 워싱턴포스트가 30일(현지 시각) 보도했다. 이 기술은 의료 로봇 분야에서 의미있는 진전을 이룰 수 있을 것으로 기대된다.

 

이번 연구에서 흥미로운 부분은 명시적인 프로그래밍이 아니라 관찰을 통해 로봇을 훈련시키는 모방 학습 기술을 활용하고 있다는 점이다. 로봇은 단순히 모방하는 것을 넘어 자신의 실수를 수정할 수도 있다.

 

이번 연구 성과는 독일 뮌헨에서 열린 ‘로봇학습에 관한 컨퍼런스’에서 발표됐다. 연구팀은 다빈치 수술 로봇 시스템에 카메라를 장착해 수술 과정을 촬영하고, 동영상을 분석할 수 있는 머신러닝 모델을 탑재했다. 실제 수술 동영상은 외과의사가 수행하는 작업을 시각적으로, 그리고 운동학적으로 자세히 표현한다.

 

연구팀은 로봇을 훈련시키기 위해 첨단 인공지능 언어 모델에서 볼 수 있는 것과 유사한 딥러닝 아키텍처를 사용했지만, 이를 수술 데이터를 처리하는 데 적용했다. 이 시스템은 비디오 입력과 동작 데이터를 분석해 수술용 바늘의 조작, 신체 조직의 취급, 봉합과 같은 작업을 완료하는 데 필요한 정밀한 동작을 학습했다.

 

여기에서 중요한 것은 로봇이 경직되고 미리 정의된 경로를 따르는 것이 아니라 현재 위치에 따라 조정 가능한 '상대적인 움직임'에 집중한다는 점이다. 이를 통해 모델이 다빈치 시스템의 운동학적 정확성의 한계를 극복하도록 했다는 것이다. 이 모델은 로봇이 스스로 성능을 평가할 수 있는 피드백 메커니즘을 추가하는 방향으로 발전했다.

 

이 시스템은 시뮬레이션 환경에서, 이상적인 궤적과 자신의 동작을 비교하고, 이를 통해 지속적인 인간 감독 없이도 고도로 숙련된 외과의사에 필적하는 수준의 정밀도와 손재주를 달성할 수 있다.

 

연구팀은 로봇의 기술을 일반화할 수 있도록 다양한 수술 스타일과 환경 및 작업에 모델을 노출시켰다. 이 같은 접근 방식은 환자와 외과의사에 따라 크게 달라질 수 있는 실제 수술 절차의 미묘한 차이와 예측 불가능성을 처리하여 시스템의 적응력을 향상시킨다고 한다.

 

존스홉킨스대 악셀 크리거(Axel Krieger) 교수는 "우리 연구는 외과의사를 교체하려는 것이 아니다. 단지 의사들이 보다 수술을 쉽게 할수 있도록 하고 싶을 뿐이다“라고 말했다. 연구팀은 ”상상해봐라, 당신은 오늘 마지막 수술을 하고 있는 피곤한 의사로부터 수술을 받고 싶은가? 아니면 수술의 일부를 로봇이 담당하고, 외과 의사를 도와주는 것을 원하는가?“라고 물었다.

 

장길수 ksjang@irobotnews.com

<저작권자 © 로봇신문사 무단전재 및 재배포금지>