국내에서 인공지능(AI)을 활용한 질병 예측과 치료 기술이 잇따라 개발돼 의료기기 상용화 기대감을 높이고 있다.

18일 업계에 따르면 국내 연구진이 고관절 재골절 위험 예측, 간암 최적 치료법과 생존율 예측, 암 환자 약물 반응성을 예측할 수 있는 AI기술을 잇따라 개발했다.

서울대병원 융합의학과 김영곤 교수팀은 최근 분당서울대병원 내분비대사내과 공성혜 교수팀과 함께 고관절 골절 환자 1480명의 CT 영상을 기반으로 단기 재골절 위험 예측 모델을 개발하고 정확도를 검증했다.

연구팀은 단기 재골절 위험도 예측 모델을 개발하기 위해 근육과 뼈의 조성 상태를 파악할 수 있는 '고관절 CT 영상'에 주목했다.

연구팀은 2004년 1월~2020년 12월 골절로 내원한 1012명의 고관절 CT 영상을 재구성하여 정면·측면·횡단면 영상을 생성했다.

이후 각 영상의 특징을 추출한 뒤, 이를 조합해 산출한 재골절 위험 자유도(재골절이 발생하지 않을 확률)를 생존곡선 형태로 표현하는 앙상블 딥러닝 모델을 설계했다.

또 전체 환자를 분석해 CT 촬영 후 경과한 시점별로 '기준값'을 설정했다.

이 기준값보다 위험 자유도가 낮아지면 재골절 발생 가능성이 높아진다. 따라서 기준값 곡선과 환자의 생존곡선을 비교해 생존곡선이 기준값 곡선보다 낮아지는 시점을 재골절 발생 시점으로 예측할 수 있다.

추가로 고관절 골절 환자 468명을 대상으로 성능을 테스트한 결과 단기 재골절을 예측하는 앙상블 딥러닝 모델의 예측 정확도(AUROC)는 약 0.74로 높았다.(2년·3년·5년내 재골절 예측 정확도 각각 0.74, 0.74, 0.73)

AUROC는 1에 가까울수록 우수한 예측 성능을 나타낸다.

이는 임상정보 및 골밀도에 기반한 기존 FRAX 예측 도구보다 뛰어난 성능이었다. FRAX의 2년·3년·5년내 재골절 예측 정확도는 각각 0.58, 0.64, 0.70였다.

이 결과를 바탕으로 연구팀은 CT 기반 딥러닝 예측 모델이 5년 미만의 단기 재골절 위험도를 정확히 예측할 수 있다고 주장했으며 이는 고관절 골절을 경험한 환자들의 관리 및 치료전략 수립에 활용될 수 있을 것이라고 설명했다.

서울아산병원 소화기내과 김강모 교수는 최근 융합의학과 김남국 교수, 고대구로병원 방사선종양학과 이경화 교수, 분당서울대병원 소화기내과 최광현 교수와 함께 인공지능으로 간암 환자별 치료 방법을 제안하고 생존율을 예측하는 임상 의사결정 지원 시스템을 개발했다.

이 시스템은 각 기관별 데이터를 기반으로 최적의 치료법을 제안한다는 점에서 의료진의 간암 치료방향 결정에 도움이 될 것으로 기대된다. 또한 진단 분야에 국한되어있던 AI의 역할을 확장해 치료 방법 결정에 활용할 수 있음도 증명됐다.

연구팀은 개별 환자가 병원별로 어떤 치료를 받을 가능성이 높은지 예측하고 그 치료를 받은 이후의 생존율을 예측하는 임상 의사결정 지원 시스템(Clinical Decision Support System, CDSS)을 개발했다.

연구진은 서울아산병원 및 고대구로병원, 분당서울대병원, 삼성서울병원, 서울대병원, 서울성모병원, 세브란스병원, 인하대병원, 중앙대병원 등 국내 9개 기관에서 2010년 1월~2012년 12월 간세포암을 진단받고 다양한 치료를 받은 환자 2685명의 △기본 임상정보 △암 진단 후 처음 받은 치료의 종류 △치료 이후의 생존 데이터를 수집해 병원별로 나누어 인공지능을 학습시켰다.

연구 결과 치료 예측 정확도는 서울아산병원 내부 및 외부 데이터셋에서 각각 87.27% 및 86.06%였고 생존 예측 정확도 역시 91.89%와 86.48%로 높은 진단성능을 보였다.

특히 이번 연구에서는 각 기관의 특성을 바탕으로 동일한 환자에게 다른 치료방법을 권장하기도 하고 치료별 생존율을 다르게 예측하는 특성을 보여, 실물과 똑같은 상황을 가상모델로 구현하고 여러 상황을 시뮬레이션 할 수 있는 '디지털 트윈'으로 사용될 수 있는 가능성을 확인했다.

연구팀은 최적의 치료방법 제안과 생존율을 예측한 이 프로그램이 각 병원 인프라와 연결되고 인허가 과정을 거친다면 실제 현장에서 참고할 수 있는 자료가 될 것으로 내다봤다.

광주과학기술원(GIST) AI대학원 이현주 교수팀은 최근 사람의 유전자 발현 정보와 약물 그래프 정보를 기반으로 인공지능 알고리즘을 개발했다.

같은 암이라도 환자의 유전적 특성이나 암세포의 돌연변이에 따라 약물의 반응이 달라질 수 있어 정확한 약물 반응 예측이 중요하다.

연구팀은 인공지능 알고리즘이 세포주(Cell line) 데이터로 학습한 모델을 통해 암 환자의 약물 반응성을 높은 정확도로 예측할 수 있다는 점을 밝혀냈다.

연구팀은 세포주 데이터로 약물 반응 모델을 학습하더라도 환자 데이터에서 높은 정확도로 예측하는 것이 가능하기에 향후 개인 맞춤 치료를 위한 정확한 약물 반응 예측을 제공할 것으로 기대했다.