▲ 황성일 교수(좌), 이학종 교수(우)

딥러닝을 이용한 인공지능이 신장암의 조직학적 분류 예측에도 유용한 것으로 나타났다.

분당서울대병원 영상의학과 황성일‧이학종 교수은 조영제 주입 전후의 CT 영상정보와 딥러닝 기반 프로그램을 활용해 신장암의 발생 형태에 따른 진단 정확도를 분석해 이 같은 연구결과를 발표했다.

신장암을 수술할 때는 수술에서 절제한 종양의 조직검사를 통해 어떤 형태의 암인지 분류를 한다. 하지만 이는 수술 후 실시하는 검사인만큼 그 결과를 미리 파악해 환자의 예후를 예측하기에는 한계가 있었다.

이에 연구팀은 신장암 수술 전 신세포암의 종류나 형태에 따라 분류하기 위해 딥러닝 프로그램에 CT 영상정보를 대입했고, 얼마나 정확하게 진단해 내는지 그 정확도를 분석했다.

먼저 수술 후 조직검사를 통해 신세포암으로 진단받은 169명의 환자에 대한 CT 검사결과를 토대로 조영제 주입 전, 조영제 주입 후 1분, 조영제 주입 후 5분 등 총 3개의 영상정보를 하나의 이미지로 정합했다. 해당 이미지를 딥러닝 네트워크 GoogLeNet을 변형한 소프트웨어에 적용해 어떤 형태의 암으로 진단하는지 확인했다. 그리고 최종적인 조직검사 결과와 얼마나 차이가 있는지 비교했다.

딥러닝 프로그램의 분석결과 평균 정확도는 약 85%였다. 민감도는 64-98%, 특이도는 83-93%로 나타났다. 민감도는 실제로 질병이 있을 때 질병이 있다고 진단할 확률을 의미하며, 특이도는 실제로 질병이 없을 때 질병이 없다고 진단할 확률이다.

황성일 교수는 “기존까지 알려진 바로는 신세포암의 구체적 조직학적 아형에 대해 영상의학과 의사가 예측할 경우 그 정확도가 약 77-84% 사이였다”며 “조영제 주입 전후 다양한 시기의 CT 영상을 조합해 딥러닝 프로그램을 이용하다보니 기존의 진단 정확도 보다 높아졌음을 확인할 수 있었다”고 밝혔다.

덧붙여 “수술 및 조직검사 시행 전, CT 영상에 대한 분석만으로 신장암의 발생 형태에 따른 분류가 어느 정도 가능해 지면서 수술 전 환자의 예후를 미리 예측할 수 있고, 또 그에 맞는 치료방침을 정립하는 데에 많은 도움이 될 것”이라고 강조했다.

해당 프로그램을 임상진료에 적용하고 활용도를 높인다면 신장암 뿐만 아니라 다른 고형암의 진단 및 치료에도 많은 도움을 줄 수 있을 것으로 보인다. 특히, 암의 형태적 분류뿐만 아니라 악성도 예측이나 병기를 결정하는 일에도 효과적일 수 있다.

이번 연구 결과는 국제 학술지 ‘Journal of Digital Imaging’ 최신호에 발표됐다.

이 기사를 공유합니다
저작권자 © 메드월드뉴스 무단전재 및 재배포 금지