△ 국내에서 신개념 의료 AI를 잇따라 개발하고 있다.

국내에서 신개념 의료용 인공지능(AI) 기술이 잇따라 개발돼 의료기기 상용화 기대감을 높이고 있다

11일 의료계 등에 따르면 국내 연구진이 동결절편 이미지의 병리 이미지 변환, 심방세동 위험 예측, 암 예후 예측 성능 높일 멀티모달 AI 솔루션을 개발하는데 성공했다.

연세대학교 원주의과대학 정밀의학과 양세정 교수팀과 병리학교실 엄민섭 교수팀은 최근 생성형 인공지능(AI)을 활용해 피부암 수술 중 암세포의 수술 절제연 침범을 확인하는 동결절편 검사의 한계를 보완하기 위해 동결절편 이미지를 포르말린 고정 파라핀 포매 절편(FFPE)과 유사한 병리 이미지로 변환하는 기술을 개발하고 이를 'GenFFPE'로 명명했다.

연구팀은 동결절편의 한계를 보완하기 위해 생성형 AI가 동결절편 이미지의 조직 구조를 유지하면서 FFPE 절편과 유사한 형태와 염색 특성을 구현하도록 연구를 진행했다. 실제 조직을 새로 처리하는 것이 아니라 기존 동결절편 이미지를 의료진이 보다 쉽게 판독할 수 있는 GenFFPE 영상으로 변환해 보여주는 방식이다.

동결절편과 최종 FFPE 진단 결과가 불일치하였던 사례를 GenFFPE 영상으로 재평가한 결과 진단 일치도가 53.3% 개선돼 수술 중 임상적 의사결정에 도움이 될 것으로 예측된다.

향후 임상적 유용성이 재확인되면 GenFFPE는 수술 중 조직의 동결에 의한 변화에 의해 판독이 어려운 부위를 병리과 의료진이 한 번 더 확인하고 절제연에 암세포가 남아 있어 추가 절제가 필요한지를 판단하는 데 적용할 수 있다.

이러한 기술은 피부암뿐만 아니라 모든 암 수술에 이용되는 동결절편 검사에서 조직 동결에 의한 형태학적 변화를 최소화해 더욱 정확하고 정밀한 수술을 시행할 수 있을 것으로 기대된다.

최근 많이 이용되는 피부의 정상 조직은 최대한 보존하면서 암을 정밀하게 제거하는 모즈 미세도식수술에도 응용할 수 있다.

연구팀에 따르면 이번 기술은 인공지능이 의료진의 진단을 대신하는 것이 아니라 수술 중 시행되는 동결절편 검사 이미지의 한계를 극복해 병리과 의료진의 판단을 돕는 기술이다.

연구팀은 모즈 미세도식수술 검증을 통해 실제 임상에서의 활용 가능성을 확인하고 피부암뿐만 아니라 모든 악성 종양 수술의 정확성을 높이는 진단 보조기술로 발전시켜 나가겠다는 계획이다.

이대목동병원 순환기내과 박준범 교수와 비뇨의학과 신태영 교수팀은 최근 이대서울병원 순환기내과 김예지 교수와 함께 증상이 없는 상태에서도 앞으로 발생할 심방세동 위험을 예측하는 인공지능(AI) 모델을 개발하고 실제 의료진의 임상적 의사결정에 긍정적인 도움을 줄 수 있다는 것을 확인했다.

연구팀은 우선 평소 별다른 이상 증상이 없는 일반 심전도 검사 결과만으로도 앞으로 3일에서 한 달 사이에 심방세동이 발생할 위험을 미리 예측할 수 있는 인공지능(AI) 모델을 개발했다. 

이화의료원 데이터를 비롯해 미국 베스이스라엘 디코네스 의료센터(BIDMC)의 대규모 외부 데이터, 국내 7개 대학병원이 참여한 전향적 'PROVISION-AF 코호트' 등 총 11만 명이 넘는 환자 데이터를 기반으로 모델을 다각도로 검증했다.

특히 3단계에 걸친 체계적인 인공지능 학습 방식을 적용해 예측의 정확도와 신뢰도를 크게 높였다.

그 결과 소형 심장 기록기인 홀터 검사를 활용한 예측 정확도 지표(AUROC)가 병원 자체 검증에서 0.87, 다른 병원들의 실제 환자들을 대상으로 한 외부 검증에서 0.75를 기록하며 뛰어난 성능을 증명했다.

이에 더해 연구팀은 AI 예측 정보가 실제 임상 의사결정에 미치는 영향을 평가하기 위해 한국, 미국 등 다국적 의사 70명을 대상으로 구조화된 시뮬레이션 설문 연구를 진행했다.

연구 결과 AI가 제공하는 위험도 예측 정보를 함께 활용했을 때 의사들의 심방세동 위험 변별력(AUROC)이 기존 0.573에서 0.650으로 유의미하게 향상됐으며 음성예측도(NPV) 역시 0.764에서 0.839로 높아졌다. 

특히 정상 환자를 정확하게 판별해 내는 능력(재분류 개선 지표, NRI 0.127)이 크게 개선돼, 불필요한 과잉 모니터링을 줄이고 의료 자원을 효율적으로 배분하는 데 기여할 수 있는 것으로 나타났다. 

이러한 성능 향상은 전문과와 경력에 상관없이 관찰되었으며, 특히 일반 심장내과 전문의들에게서 가장 두드러진 개선 효과가 확인됐다.

연구팀은 이번 연구가 AI-심전도 모델이 순수 예측을 넘어 실제 임상 현장에서 의료진의 진단 정확도를 보완하고 환자 관리 전략을 정교하게 만드는 실질적인 디지털 의사결정 지원 도구로서 가능할 것으로 기대했다.

강동경희대학교병원 이비인후과 이영찬 교수팀은 최근 병리 이미지와 보고서의 임상 정보를 통합한 멀티모달 인공지능 모델 'CALM'을 개발하고 기존 이미지·텍스트 결합 방식보다 암 예후 예측 성능이 높은 것을 확인했다.

연구팀은 암 진단 과정에서 일상적으로 생성되는 병리 조직 슬라이드와 병리 보고서를 함께 분석하는 멀티모달 인공지능 모델 'CALM'을 개발했다.

CALM은 두 자료를 통합해 환자의 생존 위험도를 예측하며 암 종류별 위험군 특징을 학습해 실제 진료에 필요한 기준을 반영하도록 설계됐다.

연구에는 미국 국립암연구소가 구축한 대규모 암 연구 공개 데이터베이스인 'TCGA(The Cancer Genome Atlas)'에 포함된 14개 암종의 환자 자료가 활용됐다.

연구팀은 CALM의 예측 성능을 기존 이미지 기반, 텍스트 기반, 이미지·텍스트 결합 모델과 비교했다.

연구 결과 CALM 적용 모델은 기존 이미지·텍스트 결합 모델보다 14개 암종의 평균 예후 예측력이 11.45% 높았다. 

전체 14개 암종 중 13개 암종에서 성능이 개선됐으며 대장·직장암에서 30.38%로 가장 크게 향상 됐다. 이어 간암 26.99%, 췌장암 21.11%, 위암 16.13%, 폐 편평상피암 15.02% 순이었다.

또 CALM은 선행 연구에서 개발된 다른 병리 이미지·유전체 정보 기반 예후 예측 모델과 비교해도 비슷한 수준의 예측력을 보였다.

이는 별도의 유전체 정보 없이 병리 이미지와 보고서만으로도 높은 수준의 암 예후 예측이 가능할 수 있음을 보여준다

연구팀은 CALM이 다른 인종 및 타 의료기관 환자에도 적용 가능한지 확인하기 위해 강동경희대병원 두경부암 환자 139명의 병리 이미지와 보고서로 검증을 진행했다. 

별도의 추가 학습 없이 모델을 적용한 결과, ‘CALM’은 기존 이미지·텍스트 결합 모델보다 높은 예후 예측력을 보였다. 

또 CALM이 병리 보고서와 연관해 주목한 조직 부위를 분석하니 실제 의료진이 표시한 종양 영역과 대체로 일치해 예측에 활용된 근거를 확인할 수 있었다.

연구팀은 환자의 위험도를 보다 세밀하게 구분하고, 치료·추적관찰 계획을 세우는 보조 자료로 활용될 것으로 기대했다.

Tag

#동결절편검사#심방세동#암예후#예측#AI