• 다양한 피부 질환을 감별할 수 있는 인공지능을 훈련하기 위한 데이터셋

• 피부질환 진료, 코스메틱 제품 개발 등

• 개인정보보호법으로 인해 수집 및 활용이 어려운 32종류의 피부질환 임상데이터를 국내 10개 대학병원에서 수집한 데이터셋임. 기존 병원 데이터 및 사업 목적으로 수집한 데이터를 피부과 의사가 검수하였으며 인공지능 학습에 활용 가능한 10만6천건의 원천 데이터를 확보
   

• 염증성 피부질환, 피부종양 등을 포함한 총 32종류의 피부질환 및 정상피부 데이터 구축
   

• 구축된 데이터는 총 106,776건의 임상 정보가 포함된 피부질환 이미지로 본 사업에 맞춰 새로 수집한 전향적 데이터 39,493건 및 기존에 병원에서 보유한 데이터에서 가공한 후향적 데이터 67,283건으로 구성됨
   

  구축 내용 제공 데이터량 표

  데이터셋	질환명	목표 수량	구축 수량	참고
  전향적	정상	9,600	19,984	segmentation 데이터 포함
  	아토피피부염	3,000	3,536
  	건선	3,000	3,853
  	여드름	2,200	6,781
  	지루피부염	1,100	2,582
  	주사	1,100	2,757
  후향적	아토피피부염	7,000	7,080	segmentation 데이터 포함
  	건선	7,000	7,001
  	여드름	3,000	3,426
  	지루피부염	1,500	1,775
  	주사	1,500	2,745
  	기타 27종 질환	27,000	45,256
  통합 (전향적 + 후향적)	정상	9,600	19,984	segmentation 데이터 포함
  	아토피피부염	10,000	10,616
  	건선	10,000	10,854
  	여드름	5,200	10,207
  	지루피부염	2,600	4,357
  	주사	2,600	5,502
  	기타 27종 질환	27,000	45,256

• 의료에 활용할 AI 제품을 만들기 위해서는 우수한 성능의 AI 알고리즘이 필요로 하며, AI 알고리즘의 학습을 위해서는 고품질의 대량의 데이터가 필요
• 현재까지 피부 관련 AI 데이터들은 개별 병원 또는 기업이 수집한 데이터이므로, 전문적인 데이터 품질 검증을 거친 고품질의 데이터는 부족함. 또한 자료가 개별 기관 별로 데이터가 흩어져 있으며 개인정보보호법 등으로 문제로 피부 AI 관련 수요 기관의 접근이 제한됨
• 일부 인터넷에 공개되어 있는 데이터셋의 경우 그 수가 제한적으로 예를 들어 에딘버러 대학교가 인터넷으로 공개한 피부암 이미지 라이브러리는 피부암 및 감별질환을 포함한 총 10개 질환 1300장의 피부 이미지를 포함하고 있음 또한 대부분 피부색이 다른 백인의 이미지라는 점에서 국내 AI 기업이 활용하기 어려움
• 이러한 문제를 극복하기 위해서는 ① 표준화 과정을 거쳐 품질이 검증되었으며 ② 개인정보보호법을 준수하여 활용이 용이하며 ③ AI 알고리즘 학습에 충분한 대량의 피부 이미지 데이터 구축이 필요함

• 1. 데이터 구성
   

• 2. 어노테이션 포맷

  어노테이션 포맷 표

  No	영문명	한글명	필수여부	타입	길이	비고
  0	annotations	어노테이션		array
  1	identifier	식별자		string	"minLength" : 1, "maxLength" : 100
  2	data_type	데이터 유형	Y	string	minLength: 1, maxLength : 10	전향적/후향적
  3	clinical_info	임상정보		object
  3-1	gender	성별	Y	string	minLength : 1, maxLength : 10	남/여
  3-2	age	나이	Y	integer	minLength : 0, maxLength: 200	세
  3-3	diagnosis	피부 질환	Y	string	minLength : 1, maxLength : 200	피부질환 참조
  3-4	bodypart	병변부위	Y	string	minLength : 1, maxLength : 50	병변부위 참조
  4	photograph	촬영정보		object
  4-1	camera	카메라구분		string	minLength : 1, maxLength : 20	DSLR/스마트폰
  4-2	self	셀프여부		string	minLength : 1, maxLength : 20	self/non-self
  4-3	distance	거리구분		string	minLength : 1, maxLength : 100	원거리/근거리
  4-4	direction	촬영방향		string	minLength : 1, maxLength : 100	촬영방향 참조
  4-5	file_path	원본파일경로	Y	string	minimum : 1, maximum : 500
  4-6	width	원본 이미지 가로크기	Y	number	minimum : 1, maximum : 20000
  4-7	height	원본 이미지 세로크기	Y	number	minimum : 1, maximum : 20000
  5	bbox	크롭이미지 정보		object
  5-1	xpos	원본파일내 x좌표	Y	number	minimum : 0, maximum : 20000
  5-2	ypos	원본파일내 y좌표	Y	number	minimum : 0, maximum : 20000
  5-3	file_path	크롭파일 경로	Y	string	minLength : 1, maxLength : 500
  5-4	width	크롭 이미지 가로크기	Y	number	minimum : 1, maximum : 20000
  5-5	height	크롭 이미지 세로크기	Y	number	minimum : 1, maximum : 20000
  5-6	segmentations	세그멘테이션		array
  5-6-1	x	x 좌표		number	minimum : 0, maximum : 20000
  5-6-2	y	y 좌표		number	minimum : 0, maximum : 20000
  5-7	skin_area	피부영역		string	minLength : 1, maxLength : 500	피부/배경 분리
  5-8	lesion_area	병변영역		string	minLength : 1, maxLength : 500	병변/배경 분리

수행기관(주관) : 서울대학교병원

수행기관(참여)