다중 해상도 선택적 분할모델로암 영역을 보다 정확히 계측 침습암의 크기 측정에 도움
카톨릭대학교 부천성모병원 진민선 교수, 고대 구로병원 김정렬 교수 등과 함께 공동 수행한 본 연구는 바이오 엔지니어링 분야의 저명한 학술지인 MDPI Bioengineering의 특별호"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 달하며, 한국 유방암학회에서 발간한 ‘2022년 한국 유방암 백서’에 따르면 2019년 기준 침윤성 유방암 환자는 24,933명, 상피내암종(DCIS) 환자는 4,816명으로 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 분석하여 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 위하여 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 활용하여 유방암 병변을 사용자에게 자동으로 제공하는 유방암에 대한 다중 해상도 선택적 분할 모델 (MurSS: A Multi-resolution Selective Segmentation Model for Breast Cancer)을 제안하였다.
이 모델은 다중 해상도의 이미지를 활용하여 진단 정확도를 향상시키며 진단에 있어 불확실한 영역을 자동으로 학습에서 제외하는 선택적 분할 방법(selective segmentation method)을 도입하여 모델 결과의 안정성과 신뢰성을 높였다.
이렇게 학습된 MurSS는 유방암 H&E 슬라이드에서 96.88%(95% 신뢰 구간 95.67% ~ 97.61%)의 픽셀 레벨 정확도를 달성했다. 이는 기존에 발표된 최신 딥러닝 모델들에 비해 높은 정확도를 보여주었다.
딥바이오의 곽태영 CTO는 “다중 해상도 선택적 분할모델(MurSS)을 사용하면 유방암 병리 슬라이드에서 암 영역을 보다 정확히 계측하여 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 밝혔다.
한편, 딥바이오는 유방암 분석AI솔루션으로 유방 절제술 슬라이드 이미지에서 관심 영역을 자동으로 감지할 수 있는 스크리닝 솔루션인 딥디엑스 브레스트-리섹션(DeepDx® Breast - Resection),유방암 림프절 전이 관련 글로벌 영상 분석 경진대회인 카멜레온 챌린지(Camelyon17 Challenge)에서 2019년 참가 이후 성능의 우수성 면에서 현재까지 1위를 유지하고있는 감시 림프절 생검 슬라이드 이미지 분석 인공지능 소프트웨어 딥디엑스 브레스트-에스엘엔비(DeepDx® Breast - SLNB: Sentinel Lymph Node Biopsy)를 자체 유방암 파이프라인으로 보유하고 있다.
김지예 기자
press@healthinnews.co.kr