병리 슬라이드와 유전자 정보, 환자의 이력 등을 통합적으로 분석해 14개 암종의 진단과 예후를 예측하는 의료 인공지능(AI)이 나와 주목된다.

임상에서 활용중인 대부분의 AI가 의료 영상이나 X레이 등 하나의 정보 소스를 통한 딥러닝에 의존하고 있는 것과 달리 다양한 환자 정보를 모아 통합적 접근을 통해 신뢰도를 높였다는 점에서 새로운 가능성을 보여주고 있는 것.

현지시각으로 8일 캔서 셀(Cancer Cell)지에는 이러한 통합 딥러닝을 통해 환자의 진단과 예후 예측을 돕는 AI의 효용성에 대한 연구 결과가 게재됐다(10.1016/j.ccell.2022.07.004).

현재 개발된 상당수 의료 AI는 MRI나 CT, X레이 등 의료 영상 등에 대한 데이터 셋트를 딥러닝시켜 병변 등의 정확한 위치를 잡아내는데 주로 활용되고 있다.

결국 당장 암이 있는지와 이 암이 1기인지, 2기인지 등의 결과를 내는데 그쳐 이후 치료 계획을 세우거나 예후 등을 예측하는데는 큰 도움이 되지 않는다는 것.

브리검 여성병원 리차드(Richard Chen) 박사가 주도한 연구진이 다중 모드 딥러닝에 주목한 이유도 여기에 있다.

실제 암 전문의들이 환자를 진단하고 치료 계획을 세울때는 의료 영상은 물론 병리학적 분석 결과와 환자 이력, 필요하다면 유전자 정보까지 활용한다는 점을 주목한 것이다.

또한 전문의라 하더라도 종종 주관적인 평가를 내리는 경우가 많으며 이러한 정보들을 수동으로 모으는데는 한계가 있다는 점도 고려했다.

이에 따라 연구진은 다중 모드 딥러닝 AI를 통해 이러한 여러가지 정보들을 통합하고 나아가 이후 추가되는 정보까지 딥러닝이 가능하도록 하는 모델을 구축했다.

또한 5720명의 환자로부터 6592개에 달하는 질환 정보를 입력시켜 이 AI를 훈련하고 검증했다.

그 결과 현재 임상에서 활용하는 단일 모드 딥러닝 AI보다 14개 암종 중 12개 유형에서 가장 높은 c-Index 성능을 달성했다. 또한 이를 통해 환자의 예후까지 보다 정확하게 예측하는데 성공했다.

아울러 이후 입력되는 데이터도 자연스럽게 플랫폼에서 딥러닝이 돌아간다는 점도 확인했다.

예를 들어 현재 유방암을 잡아내는 AI와 대장암을 진단하는 AI가 따로 돌아가는 구조라면 이 플랫폼은 이 환자의 기록에 대장암 병리 슬라이드가 입력될 경우 유방암이 있었고 이후 대장암이 발병한 사례에 대한 딥러닝을 통해 이에 대한 정보를 제공한다는 의미다.

특히 속속 밝혀지고 있는 암과 관련된 유전자 정보나 면역 반응 등에 대해서도 딥러닝이 가능하다는 점에서 가장 적절한 치료제에 대한 데이터와 향후 재발이나 사망 등의 위험성에 대해서도 정보가 제공된다.

리차드 박사는 "이 AI는 다양한 유형의 임상 정보 데이터를 통합해 질병을 진단하고 예측하는 것이 가능하다는 것을 보여주는 모델"이라며 "단일 모드 모델보다 더 정확하게 진단을 내리고 환자의 예후를 예측한다는 것을 증명했다"고 설명했다.

이어 "향후 암 치료에 있어 AI 기술을 어떻게 활용해야 하는지를 보여주는 모델이라고 할 수 있다"며 "앞으로 EMR 기록은 물론 가족력 등의 더 많은 유형의 환자 정보를 통합해 정확도를 높이는 것이 최종 목표"라고 밝혔다.