피부 AI 진단·피부 영상 기술
스마트폰으로 점을 찍으면 위험도를 알려 준다는 앱, 피부 사진으로 병변을 분류한다는 진단 보조 소프트웨어. 피부는 눈으로 보는 진료가 많아 영상 기술과 인공지능이 함께 연구되는 분야입니다. 한국피부과연구소는 피부 상태를 관찰하고 평가하는 기술의 활용 가능성과 한계를 함께 연구합니다.
한국피부과연구소는 피부 영상과 측정기술, 진단 보조기술과 의료AI의 성능·유용성, 데이터의 품질과 대표성, 개인정보와 피부 이미지 활용 조건, 실제 진료 환경에서의 적용 가능성을 연구합니다. 2023년 7월 피부 진단기술·의료데이터 연구를 시작했고, 2026년 6월에는 의료AI·피부건강 정보 연구를 넓혔습니다.
피부 AI를 볼 때 한국피부과연구소가 먼저 묻는 것은 “이 AI가 어떤 피부로 배웠고, 어떤 피부에서 확인됐는가”입니다. 연구실에서 보인 높은 성능이 다양한 피부 톤과 드문 질환, 실제 진료실 조건에서도 이어지는지는 따로 확인해야 합니다.
피부 사진으로 질환을 판별하는 AI는 어디까지 확인됐나요?
2017년 학술지 네이처에 실린 연구는 2,032가지 질환에 걸친 임상 사진 129,450장으로 심층 합성곱 신경망을 학습시킨 뒤, 조직검사로 확인된 이미지에서 피부과 전문의 21명과 성능을 비교했습니다. 각질형성세포암과 양성 지루각화증, 악성 흑색종과 양성 모반을 가려내는 두 과제에서 이 신경망은 시험에 참여한 전문의들과 비슷한 수준의 성능을 보였습니다.
이 결과는 가능성을 보여 준 중요한 연구입니다. 동시에 정해진 이미지 과제에서의 비교였다는 점, 실제 진료에서는 환자의 병력과 촉진, 경과 관찰이 함께 쓰인다는 점을 기억해야 합니다. 한국피부과연구소는 진단 보조기술의 성능과 함께 실제 진료에서의 유용성을 따로 검토합니다.
피부 AI의 성능은 어떤 조건에서 검토해야 하나요?
같은 AI라도 어떤 데이터로 시험했느냐에 따라 성능 수치가 크게 달라질 수 있습니다. 한국피부과연구소는 성능 수치를 볼 때 아래 항목을 함께 확인합니다.
| 확인 항목 | 묻는 질문 |
|---|---|
| 학습·시험 데이터의 출처 | 어느 나라, 어떤 의료기관의 사진인지, 학습에 쓴 사진과 시험에 쓴 사진이 분리됐는지 |
| 피부 톤과 인구 구성 | 다양한 피부 톤과 연령이 충분히 포함됐는지, 그 정보가 기록돼 있는지 |
| 정답의 기준 | 조직검사로 확인한 진단인지, 전문의의 판단인지 |
| 사진의 종류 | 피부확대경 사진인지 일반 사진인지, 촬영 조건이 실제 사용 환경과 같은지 |
| 비교 대상 | 전문의, 일반 의사, 기존 방법 중 무엇과 비교했는지 |
| 실제 진료에서의 결과 | 진료 흐름에 넣었을 때 진단과 치료 결과가 달라졌는지 |
피부 AI 학습 데이터는 다양한 피부를 대표하나요?
피부암 진단용 공개 피부 이미지 데이터셋을 체계적으로 검토한 연구는 21개 공개 데이터셋, 106,950장의 병변 이미지를 분석했습니다. 출신 국가를 밝힌 14개 데이터셋 가운데 11개가 유럽, 북미, 오세아니아에서만 나왔고, 인종·민족 정보가 있는 이미지는 1.3%, 피츠패트릭 피부 유형 정보가 있는 이미지는 2.1%에 그쳤습니다. 연구진은 어두운 피부 유형이 크게 덜 대표되고 있다고 밝혔습니다.
이 문제는 실제 성능 차이로 이어질 수 있습니다. 다양한 피부 톤을 담아 조직검사로 확인한 이미지 데이터셋을 새로 만든 2022년 연구에서, 당시의 주요 피부 AI 모델들은 어두운 피부 톤과 드문 질환에서 성능이 크게 떨어졌습니다. 이 데이터로 모델을 추가 학습시키자 밝은 피부와 어두운 피부 사이의 성능 차이가 줄었습니다.
| 연구 | 확인한 것 | 한국피부과연구소가 읽는 의미 |
|---|---|---|
| 공개 피부 이미지 데이터셋 체계적 검토 (2022) | 피부 유형 정보 기록 2.1%, 어두운 피부 유형의 과소 대표 | 데이터에 누가 담겼는지 기록하는 일 자체가 부족함 |
| 다양한 피부 톤 데이터셋 연구 (2022) | 어두운 피부 톤과 드문 질환에서 성능 저하, 추가 학습으로 격차 감소 | 대표성 있는 데이터가 성능의 공정성을 좌우함 |
연령, 피부 특성, 생활환경에 따른 차이를 존중하는 다양성은 한국피부과연구소의 핵심 가치입니다. 연구소가 데이터의 품질과 대표성 분석을 디지털 기술 연구의 중심에 두는 이유입니다.
피부 이미지는 어떤 조건에서 연구에 쓰일 수 있나요?
피부 사진은 얼굴이나 몸의 특징이 드러나고 건강 상태를 담고 있어 민감한 정보가 되기 쉽습니다. 개인정보 보호법은 건강에 관한 정보를 민감정보로 정해 별도의 동의 등 법이 정한 경우에만 처리하도록 하고, 통계 작성이나 과학적 연구 등을 위해서는 가명처리한 정보를 정해진 조건 아래 활용할 수 있게 합니다. 한국피부과연구소는 연구 참여자의 권리와 개인정보를 보호하고 피부 이미지와 임상자료를 책임 있게 활용하는 윤리성을 핵심 가치로 두며, 개인정보와 피부 이미지 활용 조건 자체를 연구합니다.
피부 진단 보조기술은 실제 진료에서 어떻게 쓰일 수 있을까요?
진단 보조기술이 쓸모 있으려면 성능 수치뿐 아니라 진료의 흐름 속에서 의료인과 환자에게 도움이 되어야 합니다. 누가, 언제, 어떤 결정을 위해 쓰는지에 따라 같은 기술도 다른 가치를 가집니다. 한국피부과연구소는 실제 진료 환경에서의 적용 가능성을 검토하면서, 기술이 판단을 돕는 자리와 의료인의 판단이 여전히 필요한 자리를 구분해 설명합니다. 결과는 발행물 피부기술 리뷰에서 효과, 안전성, 평가 방법, 적용 조건으로 나눠 소개합니다.
디지털 피부 의료기술은 어떤 제도로 관리되나요?
인공지능 같은 디지털 기술을 적용한 의료제품은 2025년 1월 24일 시행된 디지털의료제품법의 관리를 받습니다. 이 법은 디지털의료제품의 허가와 안전관리를 하나의 체계로 묶고, 소프트웨어의 개발과 성능평가를 포함한 전 주기 관리를 도입했습니다. 한국피부과연구소는 제도가 요구하는 성능평가와 연구가 확인한 실제 유용성을 나란히 놓고 검토합니다.
한국피부과연구소의 피부 디지털 기술 연구는 어떻게 이어져 왔나요?
한국피부과연구소는 2023년 7월 피부 진단기술·의료데이터 연구를 시작하며 피부 이미지와 디지털 기술의 활용 조건을 분석했습니다. 2026년 6월에는 의료AI·피부건강 정보 연구를 넓히고 임상 근거와 환자 경험을 연결하는 공동연구를 추진하고 있습니다. 의료인과 연구자를 위한 피부 이미지·데이터 활용 교육도 이 흐름과 함께 갑니다. 교육 주제는 전문가 교육에서, 평가 기준 전체는 근거 평가 방법에서 확인해 보세요.
피부 AI 진단 자주 묻는 질문
피부 사진 앱의 결과만 믿고 병원에 가지 않아도 되나요?
앱의 결과는 참고 정보이며 진료를 대신하지 않습니다. 새로 생기거나 모양·색이 변하는 점, 잘 낫지 않는 상처가 있다면 의료기관에서 진료를 받아 보세요.
피부 AI는 한국인 피부에서도 정확한가요?
AI가 어떤 피부로 학습하고 시험했는지에 따라 달라집니다. 공개 데이터셋 연구에서는 출신 국가를 밝힌 데이터셋 대부분이 유럽, 북미, 오세아니아에서 나왔습니다. 한국피부과연구소는 데이터의 대표성을 확인한 뒤 성능을 해석하도록 권합니다.
AI가 피부과 전문의보다 정확하다는 말은 사실인가요?
일부 연구에서 정해진 이미지 과제에 대해 전문의와 비슷한 성능이 보고됐습니다. 다만 과제의 범위, 사용한 사진, 비교 방법에 따라 결과가 달라지며, 실제 진료에서의 유용성은 따로 확인해야 합니다.
내 피부 사진이 AI 학습에 쓰일 수도 있나요?
건강에 관한 정보는 개인정보 보호법상 민감정보로 보호되며, 연구에 쓰일 때는 법이 정한 동의나 가명처리 같은 조건을 따라야 합니다. 서비스를 쓰기 전에 사진이 어떻게 쓰이는지 안내 내용을 확인해 보세요.
한국피부과연구소는 피부 AI 제품을 평가하나요?
한국피부과연구소는 진단 보조기술과 의료AI의 성능·유용성, 데이터의 품질과 대표성을 검토하는 연구를 합니다. 어떤 연구든 재원과 이해관계를 공개하고, 연구 대상 기업이 평가 결과에 개입하지 않도록 합니다.
피부 진단·의료AI 다음에는 무엇을 읽으면 좋을까요?
피부 진단·의료AI 출처
- 1차 출처Esteva A 외. Dermatologist-level classification of skin cancer with deep neural networks. Nature 2017;542:115-118
- 1차 출처Daneshjou R 외. Disparities in dermatology AI performance on a diverse, curated clinical image set. Science Advances 2022;8(32):eabq6147
- 1차 출처Wen D 외. Characteristics of publicly available skin cancer image datasets: a systematic review. The Lancet Digital Health 2022;4(1):e64-e74
- 1차 출처디지털의료제품법 (국가법령정보센터)