딥바이오는 7일 유방암 수술 후 체취한 검체에서 침윤성 유방암(IDC)의 병변과 비침윤성 상피내암(DCIS)의 병변을 정확하게 분할해 암종을 식별하는 자사의 유방암 분석 AI 알고리즘 성능 평가 연구 결과를 발표했다고 21일 밝혔다.
카톨릭대학교 부천성모병원 진민선 교수, 고대 구로병원 김정렬 교수 등과 함께 공동 수행한 본 연구는 바이오 엔지니어링 분야의 저명한 학술지인 MDPI 바이오엔지니어링(Bioengineering) 특별호 ‘전산병리학과 인공지능(Computational Pathology and Artificial Intelligence)’에 게재됐다.
유방암은 세계에서 가장 흔한 여성 암으로 전체 여성 암의 24.5%를 차지하며, 사망률 또한 15.5%로 가장 높다. 유방암의 경우 환자별 발병 양상을 병리학적으로 분류했을 때 발병 빈도순으로 침윤성 유관암,침윤성 소엽암,유관 상피내암 등으로 상이하며, 이러한 환자별 유방암 발병 양상과 중증도에 따라 치료 방법이 달라지는 것이 특징이다.
특히 본 연구에서 주요 유방암의 한 종류로 꼽히는 침윤성 유관암(IDC)의 경우 전체 유방암의 70~80%에 달한다.
한국 유방암학회에서 발간한 ‘2022년 한국 유방암 백서’에 따르면 2019년 기준 침윤성 유방암 환자는 2만4933명, 상피내암종(DCIS) 환자는 4816명으로 전체 유방암 환자의 과반수를 넘게 차지하는 침윤성 유방암(IDC)과 비침윤성 상피내암(DCIS) 환자의 병변 양상과 크기, 중증도를 본 연구를 통해 정확히 예측하는 것은 유의미한 일임을 나타냈다.
현장에서 병리 전문의들이 유방암을 진단하는 방법으로는 유방암 종양의 성장 패턴과 세포학적 특징과 같은 병리학적인 특성을 분석해 진단한다. 병리학 전문의가 현미경검사를 통해 육안으로 진단을 실시할 경우 암 병변에서 침윤성 유관암(IDC)과 비침윤성 상피내암(DCIS)가 혼합되는 패턴을 보이기도 한다.
따라서 육안으로 침습성 유방암종의 크기와 비율을 측정하고 그에 따른 예후를 예측하는 것에는 많은 어려움이 따를 수 있기 때문에, 진단 환경의 최적화를 위해 딥바이오와 같은 딥러닝 기반의 AI알고리즘의 도입은 필수적이라 할 수 있다.
이에 따라 본 연구에서 연구자들은 헤마톡실린과 에오신(H&E)으로 염색된 유방암 병리 슬라이드 이미지를 활용해 유방암 병변을 사용자에게 자동으로 제공하는 유방암에 대한 다중 해상도 선택적 분할 모델 (MurSS: A Multi-resolution Selective Segmentation Model for Breast Cancer)을 제안했다.
이 모델은 다중 해상도의 이미지를 활용해 진단 정확도를 향상시키며 진단에 있어 불확실한 영역을 자동으로 학습에서 제외하는 선택적 분할 방법(selective segmentation method)을 도입해 모델 결과의 안정성과 신뢰성을 높였다.
이렇게 학습된 MurSS는 유방암 H&E 슬라이드에서 96.88%의 픽셀 레벨 정확도를 달성했다. 이는 기존에 발표된 최신 딥러닝 모델들에 비해 높은 정확도를 보여줬다.
곽태영 딥바이오 CTO는 “다중 해상도 선택적 분할모델(MurSS)을 사용하면 유방암 병리 슬라이드에서 암 영역을 보다 정확히 계측해 관내상피암 등을 제외한 침습암의 크기 측정에 도움을 줄 수 있다”며 “정확한 암 영역을 제안함으로써 향후 개발되는 각종 암지표 자동분석알고리즘을 활용했을 경우 보다 정밀한 결과 예측을 가능하게 할 수 있을 것으로 기대된다”고 말했다.
김동명 기자 simalo@chosunbiz.com
댓글0