병리 조직·보고서 분석해 암 예후 예측
암 예후 예측력, 기존 모델 보다 11.5%↑
치료· 추적 관찰 계획때 보조 자료 활용
![[서울=뉴시스] 이영찬 강동경희대병원 이비인후과 교수. (사진= 강동경희대병원 제공)](https://img1.newsis.com/2026/07/27/NISI20260727_0002196691_web.jpg?rnd=20260727114141)
[서울=뉴시스] 이영찬 강동경희대병원 이비인후과 교수. (사진= 강동경희대병원 제공)
[서울=뉴시스] 류난영 기자 = 병리 조직 이미지와 병리 보고서를 함께 분석해 암 환자의 예후를 예측하는 인공지능(AI) 모델이 개발됐다.
그동안은 병리 이미지만 분석했지만, 이 모델은 종양 크기와 전이 여부 등 병리 보고서에 담긴 임상 정보를 반영해 정확도를 암종별로 최대 30.3% 끌어올렸다.
강동경희대학교병원은 이영찬 이비인후과 교수 연구팀(펜실베이니아대 공동연구)이 병리 이미지와 보고서의 임상 정보를 통합한 멀티모달 인공지능 모델 'CALM'을 개발하고, 기존 이미지·텍스트 결합 방식보다 암 예후 예측 성능을 높였다고 27일 밝혔다.
연구팀은 14개 암종의 국제 공개 데이터뿐 아니라 강동경희대학교병원 두경부암 환자 자료를 이용한 외부 검증에서도 모델의 적용 가능성을 확인했다.
암은 같은 암종과 병기로 진단받더라도 환자마다 진행 속도와 치료 반응, 예후가 다르게 나타날 수 있다. 정확한 예후 예측은 치료 강도와 추적관찰 주기 등 환자별 치료 계획을 세우는 데 중요한 근거가 된다.
최근에는 암 조직의 병리 이미지와 유전자·전사체 등 분자 정보를 함께 분석하는 멀티모달 인공지능 연구가 활발하게 진행되고 있다. 하지만 분자 정보 분석에는 별도의 검사와 비용이 필요하고, 실제 임상에서는 병리 이미지와 분자 정보가 모두 확보된 환자 자료가 많지 않다는 한계가 있다.
이에 연구팀은 암 진단 과정에서 일상적으로 생성되는 병리 조직 슬라이드와 병리 보고서를 함께 분석하는 멀티모달 인공지능 모델 'CALM'을 개발했다. 'CALM'은 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·암 유전체 아틀라스)에 포함된 14개 암종의 환자 자료가 활용됐다. 연구팀은 'CALM'의 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 'CALM'은 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 'CALM'이 다른 인종 및 타 의료기관 환자에도 적용 가능한지 확인하기 위해 강동경희대학교병원 두경부암 환자 139명의 병리 이미지와 보고서로 검증을 진행했다.
별도의 추가 학습 없이 모델을 적용한 결과 CALM은 기존 이미지·텍스트 결합 모델보다 높은 예후 예측력을 보였다. 또 'CALM'이 병리 보고서와 연관해 주목한 조직 부위를 분석하니, 실제 의료진이 표시한 종양 영역과 대체로 일치해 예측에 활용된 근거를 확인할 수 있었다.
이번 연구는 유전체 정보 없이도 병리 이미지와 보고서 등 실제 진료 과정에서 생성되는 자료를 활용해 암 환자의 예후 예측 정확도를 높일 수 있음을 확인한 연구다.
특히 종양 크기와 전이 여부 등 병리 보고서에 담긴 임상 정보를 인공지능 학습에 반영해, 병리 이미지만 분석하던 기존 방식의 한계를 보완했다는 점에서 의미가 크다. 향후 추가 연구가 진행되면 환자의 위험도를 보다 세밀하게 구분하고, 치료·추적관찰 계획을 세우는 보조 자료로 활용될 것으로 기대된다.
이영찬 교수는 "병리 보고서는 종양 형태와 진행 정도에 대한 의료진의 판단이 담긴 중요한 임상 정보로, 이번 연구를 통해 병리 이미지와 보고서를 이용한 인공지능 모델을 이용해 암 예후 예측의 정확도를 높일 수 있음을 확인했다"며 "AI는 의료진의 판단을 돕는 보조 도구인 만큼, 앞으로 다양한 연구로 임상 활용 가능성을 검증해 나갈 계획"이라고 말했다.
이번 연구 결과는 의생명 인공지능 분야 국제학술지인 '바이오 데이터 마이닝'(BioData Mining)에 게재됐다.
◎공감언론 뉴시스 [email protected]
그동안은 병리 이미지만 분석했지만, 이 모델은 종양 크기와 전이 여부 등 병리 보고서에 담긴 임상 정보를 반영해 정확도를 암종별로 최대 30.3% 끌어올렸다.
강동경희대학교병원은 이영찬 이비인후과 교수 연구팀(펜실베이니아대 공동연구)이 병리 이미지와 보고서의 임상 정보를 통합한 멀티모달 인공지능 모델 'CALM'을 개발하고, 기존 이미지·텍스트 결합 방식보다 암 예후 예측 성능을 높였다고 27일 밝혔다.
연구팀은 14개 암종의 국제 공개 데이터뿐 아니라 강동경희대학교병원 두경부암 환자 자료를 이용한 외부 검증에서도 모델의 적용 가능성을 확인했다.
암은 같은 암종과 병기로 진단받더라도 환자마다 진행 속도와 치료 반응, 예후가 다르게 나타날 수 있다. 정확한 예후 예측은 치료 강도와 추적관찰 주기 등 환자별 치료 계획을 세우는 데 중요한 근거가 된다.
최근에는 암 조직의 병리 이미지와 유전자·전사체 등 분자 정보를 함께 분석하는 멀티모달 인공지능 연구가 활발하게 진행되고 있다. 하지만 분자 정보 분석에는 별도의 검사와 비용이 필요하고, 실제 임상에서는 병리 이미지와 분자 정보가 모두 확보된 환자 자료가 많지 않다는 한계가 있다.
이에 연구팀은 암 진단 과정에서 일상적으로 생성되는 병리 조직 슬라이드와 병리 보고서를 함께 분석하는 멀티모달 인공지능 모델 'CALM'을 개발했다. 'CALM'은 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·암 유전체 아틀라스)에 포함된 14개 암종의 환자 자료가 활용됐다. 연구팀은 'CALM'의 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 'CALM'은 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 'CALM'이 다른 인종 및 타 의료기관 환자에도 적용 가능한지 확인하기 위해 강동경희대학교병원 두경부암 환자 139명의 병리 이미지와 보고서로 검증을 진행했다.
별도의 추가 학습 없이 모델을 적용한 결과 CALM은 기존 이미지·텍스트 결합 모델보다 높은 예후 예측력을 보였다. 또 'CALM'이 병리 보고서와 연관해 주목한 조직 부위를 분석하니, 실제 의료진이 표시한 종양 영역과 대체로 일치해 예측에 활용된 근거를 확인할 수 있었다.
이번 연구는 유전체 정보 없이도 병리 이미지와 보고서 등 실제 진료 과정에서 생성되는 자료를 활용해 암 환자의 예후 예측 정확도를 높일 수 있음을 확인한 연구다.
특히 종양 크기와 전이 여부 등 병리 보고서에 담긴 임상 정보를 인공지능 학습에 반영해, 병리 이미지만 분석하던 기존 방식의 한계를 보완했다는 점에서 의미가 크다. 향후 추가 연구가 진행되면 환자의 위험도를 보다 세밀하게 구분하고, 치료·추적관찰 계획을 세우는 보조 자료로 활용될 것으로 기대된다.
이영찬 교수는 "병리 보고서는 종양 형태와 진행 정도에 대한 의료진의 판단이 담긴 중요한 임상 정보로, 이번 연구를 통해 병리 이미지와 보고서를 이용한 인공지능 모델을 이용해 암 예후 예측의 정확도를 높일 수 있음을 확인했다"며 "AI는 의료진의 판단을 돕는 보조 도구인 만큼, 앞으로 다양한 연구로 임상 활용 가능성을 검증해 나갈 계획"이라고 말했다.
이번 연구 결과는 의생명 인공지능 분야 국제학술지인 '바이오 데이터 마이닝'(BioData Mining)에 게재됐다.
◎공감언론 뉴시스 [email protected]
