세계 최초로 인공지능(AI)을 이용해 대장암의 림프절 전이 유무를 예측할 수 있는 진단 모델이 국내에서 개발됐다.

강동경희대병원 소화기내과 곽민섭 교수팀은 AI를 활용한 대장암 림프절 전이 예측 모델을 개발하고 이에 대한 유용성을 검증하는데 성공했다고 25일 밝혔다.

대장암은 현재까지 초음파, CT, 병리학적 검사를 통해 병기와 예후를 확인하고 있지만, 검사법의 현실적 한계로 전이 여부를 명확히 예측하기 어려운 것이 사실이다.

병리조직의 판단이 가장 중요한 진단 지표이지만 방대한 영상을 의료진이 세밀히 판단하기 불가능한데다 이를 보완하기 위해 마련된 정성적 평가 척도도 한계가 분명하기 때문이다.

또한 판독을 하는 의사 개개인별 판단의 차이가 있다는 점도 한계로 꼽힌다. 이로 인해 의학계에서는 더욱 정확하면서 효율적이며 일관된 결과를 얻기 위한 컴퓨터 이미지 분석 기술에 기대를 걸어왔다.

이에 따라 곽민섭 교수팀은 컴퓨터 이미지 분석기술과 AI(인공지능)를 접목해 대장암의 림프절 전이 예측 시스템을 개발했다.

암 전이에 중요한 작용을 한다고 알려진 '암 주위 미세환경'을 분석해 전이 여부를 예측하는 방법을 고안한 것.

일단 연구진은 조직 슬라이드에서 암 조직과 암 조직 주변 간질 영역의 비율을 이용한 예측 평가점수 PTS 점수를 개발했다.

또한 조직을 정상 대장점막, 간질, 림프구, 점액, 지방조직, 평활근, 대장암의 7개 클래스로 나눠 영역에 대한 명확한 구역화 훈련을 통해 AI모델을 개발하고 이 중 암 조직과 주위 간질 영역을 추출해 형태연산 방법으로 점수를 계산하도록 했다.

미국 국립보건원(National Institutes of Health, NIH)에서 진행한 The Cancer Genome Atlas (TCGA) 프로젝트에 등록된 대장암 1기~3기 환자 총 164명을 대상으로 이번 진단 모델을 평가한 결과 유용성은 충분했다.

AI 진단 모델 분석을 통해 PTS 점수를 확인한 결과 양성 그룹의 평균 PTS 점수가 0.38점으로 음성 그룹 0.228점 보다 유의하게 높았기 때문이다. 또한 양성 그룹에서도 전이가 많을수록 점수가 더 높았다.

즉 이러한 PTS 점수를 활용하면 림프절 전이 위험이 있는 환자를 식별하는 것은 물론 전이의 정도를 파악할 수 있는 유용함을 입증한 셈이다.

강동경희대병원 곽민섭 교수는 "이번 AI 모델을 활용하면 대장암 전이를 예측해 환자 개개인에 맞는 치료 및 추적 관찰 방법을 구축할 수 있다"며 "향후 후속 임상시험과 보다 심층적인 AI 연구개발로 정밀의료(Precision medicine)를 가능하게 할 수 있을 것으로 생각한다"고 밝혔다.