국내 연구진이 대장암에서 전이된 간암 환자의 예후와 생존율을 정확히 예측할 수 있는 인공지능(AI) 모델을 개발했다.
가천대 길병원 영상의학과 최승준 교수팀이 인공지능 기반 기계 학습 ‘라디오믹스 모델’을 활용해 대장암 간전이(CRLM) 환자의 치료 반응과 생존율을 예측할 수 있는 모델을 개발했다.
혈액이 풍부하게 공급되는 간은 대장암 환자에게 흔히 나타나는 전이 기관이다. 우리나라에게 가장 흔한 암종인 대장암은 환자 진단 당시 이미 10~15% 정도는 암이 다른 장기로 전이돼 있는 상태로 발견된다. 이 중 약 50%는 대장암 간전이로 타나난다. 간은 풍부한 혈액 공급으로 전이암이 쉽게 발생하는 장기이기 때문이다. 특히 대장암이 진행되면 혈류를 통해 간으로 암세포가 다수 퍼지게 되고 풍부한 혈액이 있는 간은 전이가 쉽게 이뤄지게 된다.
가천대 길병원 영상의학과 최승준 교수팀이 인공지능 기반 기계 학습 ‘라디오믹스 모델’을 활용해 대장암 간전이(CRLM) 환자의 치료 반응과 생존율을 예측할 수 있는 모델을 개발했다.
혈액이 풍부하게 공급되는 간은 대장암 환자에게 흔히 나타나는 전이 기관이다. 우리나라에게 가장 흔한 암종인 대장암은 환자 진단 당시 이미 10~15% 정도는 암이 다른 장기로 전이돼 있는 상태로 발견된다. 이 중 약 50%는 대장암 간전이로 타나난다. 간은 풍부한 혈액 공급으로 전이암이 쉽게 발생하는 장기이기 때문이다. 특히 대장암이 진행되면 혈류를 통해 간으로 암세포가 다수 퍼지게 되고 풍부한 혈액이 있는 간은 전이가 쉽게 이뤄지게 된다.
기존 대장암 간전이 환자의 치료 반응은 ‘고형 종양 반응 평가 기준(RECIST 1.1)’에 따른다. 이땐 주로 종양 크기 변화만을 중심으로 평가가 이뤄진다. 종양 크기를 제외한 종양 내부의 복잡한 변화를 충분히 반영하지 못한다는 한계점이 존재했다.
이번에 최승준 교수팀이 개발한 ‘라디오믹스 모델’은 종양의 미세한 변화를 분석하고, 종양의 반응을 보다 정밀하게 살펴볼 수 있다. 환자의 생존율도 정확하게 예측할 수 있게 됐다. 이 모든 과정은 정량화된 MRI 데이터를 바탕으로 기계 학습 알고리즘을 통해 분석해 이뤄진다.
이번에 최승준 교수팀이 개발한 ‘라디오믹스 모델’은 종양의 미세한 변화를 분석하고, 종양의 반응을 보다 정밀하게 살펴볼 수 있다. 환자의 생존율도 정확하게 예측할 수 있게 됐다. 이 모든 과정은 정량화된 MRI 데이터를 바탕으로 기계 학습 알고리즘을 통해 분석해 이뤄진다.
연구 대상은 표적 항암치료를 받은, 외과적 절제 수술이 불가능한 소규모 대장암 간전이 환자 집단을 대상으로 이뤄졌다. 치료 전후로 MRI 촬영을 총 3회 진행해 분석했다.
그 결과, 라디오믹스 모델의 종양 반응 예측 정확도는 76.5%로 나타났으며, 진단 성능을 평가하는 지표인 곡선하면적(AUROC) 값은 0.857로 높은 신뢰도를 보였다. 기존의 종양 반응 평가 기준인 고형 종양 반응 평가 기준 모델의 곡선하면적 값은 0.667로, AI 기반 모델이 월등히 높다. 곡선하면적(AUROC)는 인공지능 성능 평가의 대표적인 지표로, 1에 가까울 수록 정확도가 높다는 것을 의미한다.
연구팀은 ‘라디오믹스 모델’이 예측한 종양 반응 결과를 바탕으로 환자의 생존율을 분석했다. 그 결과, 라디오믹스 모델이 ‘질병 진행이 없는(non-progressing)’ 그룹으로 분류한 환자군의 중앙 전체 생존 기간(OS)은 17.5개월이었다. 반면, ‘질병 진행이 있는(progressing)’ 그룹의 중앙 생존 기간은 14.8개월로 나타났다.
최승준 교수는 “이번 연구는 AI 기반 라디오믹스 모델이 대장암 간전이 환자의 치료 반응을 조기에 예측할 가능성을 제시한 것”이라며 “향후 대규모 연구를 통해 모델을 더욱 정교화하고, 맞춤형 치료 전략을 수립하는 데 기여할 수 있을 것”이라고 했다.
대장암 간전이의 생존율은 병기에 따라서 극명하게 갈라진다. 대장암 간전이의 5년 생존율은 1~2기 경우 95~70% 수준이지만, 3기일 경우 40~80% 수준으로 매우 낮아진다. 따라서 무엇보다 조기 발견과 치료를 위해서 정기적인 검진이 필수적이다. 최승준 교수는 “절제가 불가능한 대장암 간전이 환자의 경우 표적 항암제 등을 투여해 종양 크기를 줄이거나 그 자체로 치료를 도모할 수 있다”며 “이런 경우 이번 라디오믹스 모델이 종양 반응을 직접적으로 확인할 수 있는 좋은 시스템이 될 것으로 기대된다”고 말했다.
한편, 이번 연구 결과는 대한임상종양학회지 최근 호에 게재됐다.
그 결과, 라디오믹스 모델의 종양 반응 예측 정확도는 76.5%로 나타났으며, 진단 성능을 평가하는 지표인 곡선하면적(AUROC) 값은 0.857로 높은 신뢰도를 보였다. 기존의 종양 반응 평가 기준인 고형 종양 반응 평가 기준 모델의 곡선하면적 값은 0.667로, AI 기반 모델이 월등히 높다. 곡선하면적(AUROC)는 인공지능 성능 평가의 대표적인 지표로, 1에 가까울 수록 정확도가 높다는 것을 의미한다.
연구팀은 ‘라디오믹스 모델’이 예측한 종양 반응 결과를 바탕으로 환자의 생존율을 분석했다. 그 결과, 라디오믹스 모델이 ‘질병 진행이 없는(non-progressing)’ 그룹으로 분류한 환자군의 중앙 전체 생존 기간(OS)은 17.5개월이었다. 반면, ‘질병 진행이 있는(progressing)’ 그룹의 중앙 생존 기간은 14.8개월로 나타났다.
최승준 교수는 “이번 연구는 AI 기반 라디오믹스 모델이 대장암 간전이 환자의 치료 반응을 조기에 예측할 가능성을 제시한 것”이라며 “향후 대규모 연구를 통해 모델을 더욱 정교화하고, 맞춤형 치료 전략을 수립하는 데 기여할 수 있을 것”이라고 했다.
대장암 간전이의 생존율은 병기에 따라서 극명하게 갈라진다. 대장암 간전이의 5년 생존율은 1~2기 경우 95~70% 수준이지만, 3기일 경우 40~80% 수준으로 매우 낮아진다. 따라서 무엇보다 조기 발견과 치료를 위해서 정기적인 검진이 필수적이다. 최승준 교수는 “절제가 불가능한 대장암 간전이 환자의 경우 표적 항암제 등을 투여해 종양 크기를 줄이거나 그 자체로 치료를 도모할 수 있다”며 “이런 경우 이번 라디오믹스 모델이 종양 반응을 직접적으로 확인할 수 있는 좋은 시스템이 될 것으로 기대된다”고 말했다.
한편, 이번 연구 결과는 대한임상종양학회지 최근 호에 게재됐다.