강동경희대병원(원장 이형래)는 최근 이비인후과 이영찬 교수팀이 미국 펜실베이니아대 공동연구팀과 병리 이미지와 보고서에 담긴 임상 정보를 통합해 환자의 생존 위험을 예측하는 멀티모달 AI 모델 'CALM'을 개발하고 기존 이미지·텍스트 결합 모델보다 높은 예후 예측 성능을 확인했다고 27일 밝혔다. 교수팀에 따르면 암은 같은 암종과 병기로 진단받더라도 환자마다 진행 속도와 치료 반응, 예후가 다르게 나타날 수 있어 정확한 예후 예측이 치료 강도와 추적관찰 주기 등 환자별 치료계획을 수립하는 데 중요하다. 최근에는 암 조직의 병리 이미지와 유전자·전사체 등 분자 정보를 함께 분석하는 멀티모달 AI 연구가 진행되고 있지만 분자 정보 분석에는 별도의 검사와 비용이 필요하고 실제 임상에서는 병리 이미지와 분자 정보가 모두 확보된 환자 자료가 많지 않다는 한계가 있었다는 것. 이에 교수팀은 암 진단 과정에서 일상적으로 생성되는 병리 조직 슬라이드와 병리 보고서를 함께 분석하는 CALM 모델을 개발했다. 새 모델은 병리 이미지와 종양 크기, 전이 여부 등 보고서에 포함된 임상 정보를 통합해 환자의 생존 위험도를 예측하고 암종별 위험군의 특징을 학습하도록 설계됐다. 우주전함 야마토 먹튀 구체적으로 연구팀은 미국 국립암연구소의 대규모 암 연구 공개 데이터베이스인 '암 유전체 지도( TCGA)'에 포함된 14개 암종의 환자 자료를 활용했다. 이어 CALM의 예측 성능을 이미지 기반 모델과 텍스트 기반 모델, 기존 이미지·텍스트 결합 모델 등과 비교·분석했다. 그 결과 CALM은 기존 이미지·텍스트 결합 모델보다 14개 암종의 평균 예후 예측력이 11.45% 높은 것으로 나타났다. 전체 14개 암종 가운데 13개 암종에서 성능이 개선됐다. 특히 예측력 향상 폭은 대장·직장암이 30.38%로 가장 컸으며, 간암 26.99%, 췌장암 21.11%, 위암 16.13%, 폐편평상피암 15.02% 순으로 나타났다. 또한 CALM은 병리 이미지와 유전체 정보를 함께 활용한 기존 예후 예측 모델과 비교해도 유사한 수준의 성능을 보였다. 이는 별도의 유전체 검사 없이 실제 진료 과정에서 생성되는 병리 이미지와 보고서만으로도 높은 수준의 암 예후 예측이 가능할 수 있음을 보여주는 결과라는 게 교수팀의 설명이다. 릴게임백경 더 나아가 교수팀은 모델이 다른 인종과 의료기관의 환자에게도 적용될 수 있는지 확인하기 위해 강동경희대병원 두경부암 환자 139명의 병리 이미지와 보고서를 이용해 외부 검증을 진행했다. 별도의 추가 학습 없이 모델을 적용한 결과 CALM은 기존 이미지·텍스트 결합 모델보다 높은 예후 예측력을 보였다. CALM이 병리 보고서와 연계해 주목한 조직 부위도 실제 의료진이 표시한 종양 영역과 대체로 일치해 AI가 예측에 활용한 근거를 확인할 수 있었다. 이번 연구는 유전체 정보 없이 병리 이미지와 보고서 등 의료현장에서 일상적으로 생성되는 자료를 활용해 암 환자의 예후 예측 정확도를 높였다는 。에서 의미가 있으며 향후 추가 검증을 거치면 환자의 위험도를 세밀하게 구분하고 치료 강도와 추적관찰 계획을 수립하는 보조 도구로 활용될 수 있을 것이라는 게 교수팀의 설명이다. 이영찬 교수는 "병리 보고서는 종양 형태와 진행 정도에 대한 의료진의 판단이 담긴 중요한 임상 정보"라며 "이번 연구를 통해 병리 이미지와 보고서를 함께 활용한 AI 모델이 암 예후 예측 정확도를 높일 수 있음을 확인했다"고 말했다. 이어 그는 "AI는 의료진의 판단을 돕는 보조 도구인 만큼 앞으로 다양한 연구를 통해 실제 임상 활용 가능성을 검증해 나갈 계획"이라고 덧붙였다. 한편 이번 연구는 의생명 AI 분야 국제학술지 'BioData Mining'에 게재됐다. 그는 "AI는 의