디지털 병리학 분야에서 거스를 수 없는 대세로 떠오르고 있는 것은 딥러닝 기반의 컴퓨터 보조 진단시스템이라는 주장이 나왔다.

10일 정보통신기획평가원(IITP)이 최근 발간한 보고서 '전산 병리학을 위한 기술적 요소와 딥러닝 모델'에 따르면 디지털 병리 분야에서 인공지능(AI)을 접목하기 위한 시도가 많이 이뤄지고 있다.

디지털 병리학 혹은 전산 병리학은 컴퓨터 영상 분석 등을 이용하여 병변을 검출하거나 질병 유무를 진단할 수 있는 정보를 제공하는 컴퓨터 보조진단시스템(Computer Aided Diagnosis: CAD)들 중 최근 10년 간 가장 활발하게 연구되고 있는 분야다.

디지털 병리 영상에서 추출한 특징이 게놈 데이터에 보완적임을 보여 준 연구 이후 특히, 종양학 분야에서 병리 영상으로부터 추출한 바이오마커를 정밀 의학을 위해 사용하는데 관심이 높아졌고 이에 대한 연구가 꾸준히 진행되고 있다.

유리슬라이드 데이터가 디지털 병리 영상으로 대처되고 있는 상황에서 인공지능 기술은 진단과 예후 및 모니터링 프로세스를 최적화하는 병리학 부서의 워크플로우를 향상시키고 병리학자가 더 나은 정보를 가지고 결정을 내릴 수 있도록 돕는 시스템에 활용되고 있다.

디지털 병리학은 병리학자에게반복 가능한 자동 진단을 2차 소견으로 제공할 수 있을 뿐 아니라 관심 영역에 대한 예후값을 예측해 제공할 수 있다.

이러한 기능은 병리학자의 작업량을 크게 줄이고 업무 처리 시간을 매우 단축할 수 있으므로 디지털 병리학에 대한 국가 차원의 연구 지원과 시스템 개발이 선진국을 중심으로 활발히 진행되고 있다.

디지털 병리는 전체 슬라이드 스캐너(WSS), 전체 슬라이드 영상(WSI), 병리 영상 소프트웨어, 대용량의 저장장치와 클라우드 솔루션 등의 기술로 이뤄진다.

전체 슬라이드 영상(Whole Slide Imaging: WSI)은 유리 슬라이드를 스캔해 디지털 파일로 변환한 것이다.

WSI에 적용된 딥러닝 모델들은 세포(cell), 핵(nuclei), 샘(gland), 조직(tissue), 종양(tumor)을 감지(detection), 분할(segmentation), 분류(classification)하기 위한 모델과 질병 예후를 예측하기 위한 모델로 구분할 수 있다.

WSI는 수백 또는 수천 개의 작은 패치로 잘라서 처리해야 하고 정확한 판단을 위해서는 저배율에서 볼 수 있는 조직의 모양과 구조 등의 정보와 고배율에서 볼 수 있는 핵 수준의 세부적인 정보가 모두 필요하므로 복수의 스케일로부터 얻은 정보를 통합할 필요가 있다.

전체 슬라이드 영상에서 질병, 특히 각종 종양의 분류, 위치 검출과 질병 예후를 위해
개발된 딥러닝 모델로는 △패치 수준 종양 분류 및 감지 모델 △WSI 수준 종양 분류 및 감지 모델 △약한지도 혹은 비지도 종양 분류 및 감지 모델 △전이학습 △질병 예후를 위한 생존 예측 모델 등이 있다.

AI 병리진단 솔루션이 연구에서 임상으로 전환되기 위해 해결돼야할 문제로 우선 의료영상이나 개인 건강 기록과 같은 환자 데이터의 소유권에 대한 규제 및 개인정보보호 문제가 해결돼야 한다.

이러한 문제들로 인해 임상 사용을 위한 광범위한 데이터집합의 구축과 AI 솔루션 훈련, 개발 및 테스트가 어렵다.

현재 소수 집단의 데이터에 대해서만 실험이 가능함으로 일반화된 딥러닝 모델의 개발이 어렵다.

또 일부 전문가들은 AI 알고리즘이 적대적 공격이나 훈련 중에 고려되지 않은 질병 하위 유형을 포함할 수 있으므로 쉽게 왜곡될 수 있는 문제를 지적한다.

아울러 딥러닝 모델이 임상 병리 워크플로우에 통합돼야 하고 이를 위해서는 대다수 병원에서 사용하고 있는 유리슬라이드를 WSI 체계로 변환해야 한다.

전체 슬라이드 스캐너, 저장장치 등의 환경 구축을 위해 상당한 투자가 요구된다.