AI 암 검진 시, 수만 개의 세포 몇 초 내에 평가 가능해
AI, 전이 가능성 높은 흑색종 세포 이미지 차이 구별 가능
AI 유방암 검진, 위험 큰 여성 별도 분류해 우선 순위 정해
난치병 치료에 도전하는 인공지능(AI), 서서히 그 비밀의 통로를 열고 있다.
지난 26일 건강 의료 매체 ‘이티헬스월드(ETHealthworld)’에 올린 기고에서 심장병 전문의 비노드 쿠마(Vinod Kumar) 박사는 “인공지능 기술은 우리가 직면한 과제와 관련된 주요 문제들을 해결하는 데 도움을 주었다.”고 말하고, “특히, 진단에 관해 유익했다”라고 말했다.
쿠마 박사는 의학 진단에 딥러닝을 활용한 암 발견은 의학에서 두드러진 AI의 발전이라고 평가했다.
아울러, 그는 AI 네트워크는 지속적인 교육이 가능하므로 가까운 시일 내에 AI 네트워크 성능이 획기적으로 개선되리라 전망했다.
소비자 건강 앱에서 AI와 의료용 사물인터넷(IoT)이 활용되는 것도 흥미로운 발전이라는 쿠마 박사는 의료 IoT 기기를 결합해 의료데이터를 수집하고, AI 기반 앱을 활용해 환자의 현재 생활양식에 맞춰 데이터를 평가ㆍ권고하는 것이 요즘의 추세라고 설명했다.
쿠마 박사에 따르면, 특히 고위험에 처한 재택환자의 경우, 인공지능은 의사에 대한 통보, 조기 발견, 신속한 진단 및 후속 치료 등을 수립할 수 있어 시간과 경제적 부담을 줄일 수 있다.
딥러닝 기술은 빠르고, 정확한 진단을 위한 알고리즘 개발에 잠재력을 제공하고, 이는 다시 추후 진단 능력의 정확성을 향상시킨다는 것이 쿠마 박사의 견해다.
또 AI 기반 소프트웨어에 피부병변과 같은 특정 질환을 학습시켜서 그 치료에 이미지 처리 기술을 채택하고 있고, 최신 AI 기반 솔루션은 의사들이 대량의 건강 데이터를 신속하게 처리해 환자의 건강을 완벽하게 이해하는 데 도움을 주고 있다는 것이다.
추가적인 합병증 문제도 최신 AI 알고리즘은 임상의가 완전한 질병 관리 전략을 수립하는 데 도움을 주고 있다고 쿠마 박사는 강조했다.
AI, DR 징후 빨리 감지해 실명 예방
지난 25일 바비 커리(Bobbie T. Coury) 박사는 애널리틱스 인사이트에 “AI가 실명 예방에 매우 유용하다”며, “AI 안 검사는 녹내장, 황반변성, 당뇨망막병증, 백내장 등의 질환을 눈 이미지를 이용해 검출할 수 있는 도구”라고 소개했다.
커리 박사에 따르면, AI 응용 프로그램인 ‘녹내장 계산기’의 경우, 알고리즘을 이용해 망막 스캔 데이터를 처리해 사용자에게 간단한 방식으로 신속하게 정보를 제시하는 기술이다.
일례로, 당뇨성 망막증(DR)은 미국인들 가운데 실명의 주요 원인 중 하나인데 이 DR의 징후를 최대한 빨리 감지하는 능력은 실명 예방에 큰 영향을 미칠 수 있다. 실제로 71개 비전센터가 현재 이 AI 알고리즘을 활용해 DR 환자에게 더 빠르고, 정확한 진단을 내리고 있다.
AI 모니터는 이제 약시, 사시, 녹내장 등 아동의 다양한 안질환 징후 영상을 분석할 수 있으며, AI는 MRI와 CT 촬영 영상을 분석해 백내장 검출이나 수술 성공 여부 등에 활용된다고 커리 박사는 설명했다.
AI 모니터는 사람의 안구 조직 연구에서 밀리초 안에 데이터를 처리할 수 있고, 이미지를 분석해 망막에 변질이나 손상이 일어났는지 판별하는 데 사용된다.
또 같은 날에 켄 린(Ken Y. Lin) 박사는 메디칼 뉴스 ‘힐리오(Healio)’와의 인터뷰에서 “인공지능이 녹내장 약병을 정확하게 식별할 수 있다”라는 견해를 밝혔다.
얼마 전에 안과 녹내장에 발표된 연구에 따르면, 인공지능은 안과 약병을 차별화하는 능력을 입증했으며, 스마트폰 플랫폼에서도 실용적으로 기능할 수 있었다.
연구원들은 스마트폰 장치에서도 실행할 수 있는 가벼운 합성곱 신경망(CNN)을 만들기 위해 휴대폰으로 캡처한 2250개의 이미지셋을 사용해 5개의 일반적인 안과 의약품을 분류하는 7개 CNN모델을 사전 훈련시켰다.
켄 린 박사는 “대부분의 약물 안약 병에 인쇄된 글씨가 너무 작다. 특히, 녹내장 환자의 경우, 병뚜껑의 색상을 구분할 수 없는데도 환자들은 이 안약 병의 사용에 많이 의존하고 있다”고 말했다.
유방암 및 자궁경부암 영역 부각시켜
지난 16일 더 하우스(The House)는 임상 진단이 어려운 자궁경부암과 유방암 검사에 인공지능이 적합한 기술이 될 것이라고 보도했다.
AI와 기타 혁신 기술을 통해 워크플로우(작업 흐름) 효율성이 크게 향상되고, 질병 감지 속도가 빨라지며 보다 정확한 진단이 가능해졌다는 것이다.
AI 유도 이미지 처리는 암 검사 능력을 높이는데 AI가 검진 프로그램의 일환으로 사용될 경우, 유방암 또는 자궁경부암 검진 시, 관심 있는 영역을 효과적으로 부각시킬 수 있다는 것이다.
유방검진 영상을 판독하는 데 걸린 평균 시간과 비교했을 때, AI를 사용하면, 최대 13%의 시간을 단축할 수 있다. 방사선 전문의는 매일 더 많은 사례를 보고할 수 있으며, 이는 전체 임상 시간을 크게 절약할 것이라는 보고다.
뿐만 아니라 자궁경부암 검진의 경우, 한 명의 환자로부터 수만 개의 세포를 단 몇 초 만에 평가하고, 최종 진단을 위해 숙련된 의료진에게 가장 관련성이 높은 진단 자료를 제시할 수 있다.
유방암 검진의 경우, 검진을 너무 자주 하는 바람에 환자에게 큰 부담을 주는 것으로 알려졌다. 이러한 과다 진단은 환자에 대한 부담 증가와 불필요한 공포와 불안을 일으킨다는 것이 의료계의 현실이다.
반면에 AI 유방암 검진은 위험이 가장 큰 여성을 분류해 우선순위를 정하는 동시에 위험이 낮은 대다수 환자에 대한 과잉 진단과 개입을 피할 수 있다.
AI를 접목할 수 있는 또 다른 핵심 기회는 위험 계층화다. 예를 들면, 유방조직이 밀집된 여성은 유방암을 앓은 직계 가족이 두 명 있는 여성보다 더 큰 위험에 노출돼있는 것으로 알려져 있다.
AI 유방 밀도 소프트웨어는 이런 모든 여성을 분석해 잠재적으로 암에 걸릴 확률을 반영하고, 다른 진단 및 치료 경로를 제공할 수 있다.
육안으로 판별 불가능한 전이 특성 찾아
지난 11일, 헬스아이티 애널리틱스는 UT 사우스웨스턴 메디컬 센터 연구진이 어떤 피부암이 전이성이 높은지, 판별하는 방법을 개발했다고 보도했다.
UT 사우스웨스턴 메디컬 센터(UTSW)의 연구 리더이자, 생물 정보학 교수인 린다 힐(Lyda Hill) 박사는 보도자료를 통해 “현재 우리는 다른 방식으론 접근할 수 없는 질병의 메커니즘을 예측할 수 있는 일반적인 체계를 갖추게 됐다”고 말했다.
이 대학의 댄 유저(Dan user) 교수에 따르면, 딥러닝 방식의 AI 기술은 사람의 눈에 보이지 않는 이미지의 차이를 구별할 수 있다.
연구진은 이 AI 기술을 활용해 질병 특성을 찾아 진단에 대한 통찰력이나 치료 계획을 제시할 것을 권고했다.
댄 유저 교수 연구팀은 AI를 활용해 전이 가능성이 높거나 낮은 흑색종 세포의 이미지 차이를 탐색했다. 그런 다음 AI 연구 결과를 여러 조각으로 분해해 분석하는 방법을 통해 이미지의 어떤 특징이 차이를 유발하는지 알아냈다.
그다음에 연구진은 페트리 접시에 사는 환자 7명의 종양 샘플의 1만2천여 개의 무작위 세포 영상을 촬영해 약 170만 개의 원시 이미지를 생성했다. 연구팀은 AI 알고리즘을 이용해 이미지에서 56가지 추상적 수치 특징을 찾아냈다.
이로써, 연구진은 전이 전위가 높은 세포와 낮은 세포를 정확하게 구분하는 한 가지 특징을 발견했고, 인간의 눈으로 감지할 수 없는 전이에 내재된 가시적 특성을 확대한 인공 영상을 만들었다.
연구팀 관계자는 “전이성이 높은 세포들은 약간 더 많은 가성 세포 확장을 만들어냈고, 빛의 산란을 증가시켰다. 이는 세포 기관의 미묘한 재배열 때문일 수 있다”고 밝혔다.
또 보도자료를 통해 “전이가 심한 종양이 동물 전체에 쉽게 퍼질 것으로 예측됐지만, 전이 가능성이 작을 것으로 예측된 종양은 거의 퍼지지 않거나 아예 퍼지지 않았다”고 말했다.
같은 날에 ‘사이테크 데일리(Scitech daily)’는 워싱턴 의대 연구팀이 단일 3D MRI 스캔을 사용해 뇌종양을 6가지 일반적인 유형 중 하나로 분류할 수 있는 딥러닝 모델을 개발했다고 보도했다.
사트라지트 차크라바티(Satrajit Chakravarti) 박사과정 연구원은 “이번 연구는 가장 흔한 두개골 내 종양을 다루는데 3D MRI 스캔에서 종양 등급이나 종양의 부재를 직접 판별하는 첫 연구”라고 말했다.
가장 흔한 6가지 뇌종양 유형은 고등급 교종, 저등급 교종, 뇌 전이, 뇌수막종, 뇌하수체 선종, 음향 신경종이다. 각각 암 의심 부위의 조직을 수술로 제거하고, 현미경으로 검사해야 하는 조직병리학을 통해 분류됐다.
차크라바티에 따르면, MRI 데이터를 이용한 머신러닝 및 딥러닝 접근법은 잠재적으로 뇌종양의 검출과 분류를 자동화할 수 있다.
그는 “비침습적 MRI는 보완물로 사용될 수도 있고, 어떤 경우에는 조직병리학적 검사의 대안으로 사용될 수도 있다”고 말했다.
합성곱 신경망(CNN)으로 머신러닝 모델을 구축하기 위해 말링크로트 방사선 연구소와 차크라바티는 공개적으로 이용 가능한 4개의 소스에서 두개골 내 3D MRI 스캔의 대규모 데이터셋을 개발했다.
연구진은 총 2105개의 스캔을 교육용 1396개, 내부용 361개, 외부용 348개 등 세 가지 세트로 나누었고, 내외부 MRI 스캔 데이터를 이용해 모델 성능을 평가, 그 결과를 얻었다.
차크라바티는 “고등급 교종과 저등급 교종 두 가지 종양 유형만 포함하는 외부 검사 데이터셋의 경우, 이 모델의 정확도는 91.95%였다.”며, “이러한 결과는 딥러닝이 뇌종양의 자동 분류와 평가를 위한 유망한 접근법임을 시사한다”고 말했다.
AI타임스 조행만 객원 기자 chohang5@kakao.com
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com