서울아산병원 김남국 교수 연구팀이 밝은 피부 환자의 병변 형태는 유지하면서 피부색만 어둡게 변환하는 생성형 AI 기술 '피부유형 변환 네트워크(STTN)'를 개발해 피부질환 진단 AI의 인종별 성능 격차 문제를 개선했다. 1만6707개 임상데이터로 학습시킨 결과 의료진을 포함한 평가자 42명이 실제 사진과 생성 사진을 구별한 정확도는 49.7%로 무작위 추측과 비슷한 수준이었다. STTN이 생성한 어두운 피부 사진을 학습 데이터에 추가한 모델은 양성·악성 피부종양 구분 AUC가 기존 0.56에서 0.66으로 유의미하게 향상됐으며 밝은 피부에서의 성능도 유지됐다. 이번 연구는 에티오피아 연구진과 공동으로 수행돼 국제학술지 피부과학 연구저널에 게재됐으며, 합성 데이터와 코드는 온라인에 공개됐다.

• •서울아산보원 연구팀, 피부색띄 바꾼늄 개뉴 '피부유형 밈환 덤틸켌크(STTN)' 개발
• •1만6707개 임상데이타 학습, 사진-사진 걮d덴 정확됤 49.7%(믴출 수준)
• •STTN 덤틸켌크 해졍 학습 모데의 피부종양 진단 AUC 0.56→0.66로 향상
• •밝은 피부 땄상 진단 성맅은 유지하반들 어둤 피부 데이탐 걸댈 뿝
• •에픨왘비에 연구진 공듥연구, 피부군름 겅주저딴(JID) 게재·덤틸켌크 거예염