[데일리메디 박대진 기자
] 딥러닝을 이용한 인공지능은 기존의 병변 발견 및 영상진단 뿐 아니라 신장암의 조직학적 분류 예측에도 유용한 것으로 나타났다
.
분당서울대병원 영상의학과 황성일‧이학종 교수팀은 조영제 주입 전후의 CT 영상정보와 딥러닝 기반 프로그램을 활용해 신장암 발생 형태에 따른 진단 정확도 분석결과를 발표했다.
신장암의 대부분은 신장의 실질인 살 부분에서 발생하는 신세포암이 차지한다. 이러한 신세포암은 기원하는 세포의 형태에 따라 △투명 △유두 △혐색소신세포암 등으로 분류된다.
신장암을 이렇게 형태에 따라 나누는 이유는 세포에 따라 암이 발생하는 기전이 다를 뿐 아니라, 같은 항암치료제에도 반응하는 양상이 판이하기 때문이다.
결과적으로 세포의 발생 형태에 따라 혹은 다른 장기로 전이된 경우 등을 따져 그에 맞는 치료방침이 필요한 것이다.
때문에 수술에서 절제한 종양의 조직검사를 통해 어떤 형태의 암인지 분류한다. 하지만 이는 수술 후 실시하는 검사인만큼 환자의 예후 예측에는 한계가 있었다.
이에 분당서울대병원 연구팀은 신장암 수술 전 신세포암 종류나 형태에 따라 분류하고자 딥러닝 프로그램에 CT 영상정보를 대입했고, 정확도를 분석했다.
연구팀은 신세포암 진단받은 169명에 대한 CT 검사결과를 토대로 조영제 주입 전후 1분, 조영제 주입 후 5분 등 총 3개의 영상정보를 하나의 이미지로 정합했다.
딥러닝 프로그램 분석결과 평균 정확도는 약 85%인 것으로 확인됐다. 아울러 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.
분당서울대병원 영상의학과 황성일 교수는 “기존까지 신세포암의 구체적 조직학적 아형에 대해 영상의학과 의사가 예측할 경우 그 정확도가 77~-84% 사이였다”고 말했다.
이어 “조영제 주입 전후 다양한 시기의 CT 영상을 조합해 딥러닝 프로그램을 이용하다보니 기존의 진단 정확도 보다 높아졌음을 확인할 수 있었다”고 덧붙였다.
그는 “수술 및 조직검사 시행 전 신장암 발생 형태 분류가 가능해지면서 환자의 예후를 예측할 수 있고, 또 그에 맞는 치료방침을 정립에 도움이 될 것”이라고 전했다.
이어 “해당 프로그램을 임상진료에 적용하고 활용도를 높인다면 신장암 뿐만 아니라 다른 고형암의 진단 및 치료에도 많은 도움을 줄 수 있을 것”이라고 덧붙였다.
한편, 이번 연구결과는 국제 학술지 ‘Journal of Digital Imaging’ 최신호에 발표됐다.
의사
박대진 기자 (
