국내 1세대 의료 AI 전문 기업 딥노이드가 병리 전문의의 판독 프로세스를 모사한 AI 연구 모델로 대장 내시경 생검 조직을 분류하는 연구 논문이 국제 학술지 한국의과학저널(JKMS)에 게재됐다고 28일 밝혔다. JKMS는 대한의학회와 대한의사협회가 발행하는 국제 의학 저널이다.
이번 연구는 딥노이드 연구팀과 가톨릭대학교 의과대학 병리과 연구진의 공동 연구로 수행됐으며, 대장 내시경 검사로 확보한 조직 이미지를 AI가 분석해 주요 병변 유형을 구분할 수 있는지를 검증하는 데 초점을 맞췄다. 이를 통해 AI가 병리 전문의의 대장 내시경 생검 조직 분류 과정을 보조할 수 있음을 확인했다.
연구팀은 병리 전문의의 판독 과정을 모방해 자동으로 분류를 수행하는 ‘2단계 앙상블 파이프라인’을 개발했다. 전체 슬라이드 이미지 기반의 모델과 타일 이미지(전체 슬라이드 이미지를 바둑판 형태로 잘게 쪼갠 이미지) 기반의 모델을 결합한 이 파이프라인은 8987명의 환자로부터 수집한 1만 8922개의 대장 조직 전체 슬라이드 이미지를 학습해 ▲비종양(NT) ▲과형성 용종(HYP) ▲선종(ADM) ▲선암종(ADC) ▲신경내분비종양(NET)의 5가지 판독 유형을 분류할 수 있다.
이중 신경내분비종양(NET)은 전체 대장암 악성 종양 중 약 0.49%에 불과한 희귀 병변으로, 그동안 AI를 활용해 이를 자동 분류한 연구는 흔치 않았다. 특히 다중 아형 분류 모델 중 신경내분비종양을 다른 유형 병변과 함께 분류한 사례는 이번 연구가 최초다.
또한, 이번 연구는 특정 기관의 데이터에만 의존하지 않고 6개 의료 기관의 데이터를 활용해 검증을 진행했다. 이를 통해 해당 AI 연구 모델이 실제 의료 현장에서도 활용될 수 있는 가능성을 확인했다.
딥노이드 최우식 대표는 “이번 연구를 통해 AI 솔루션이 실제 의료 현장에 적용될 가능성을 확인했다”며 “앞서 공개한 갑상선 세포 검사 AI 연구 성과에 이어, 앞으로도 병리 분야 연구를 연속성 있게 확대하며 병리 기반 AI 솔루션 개발 행보를 지속해 나가겠다”고 말했다.
한편, 딥노이드는 지난 4월 갑상선 세포 디지털 이미지를 활용해 세포 신호 전달 단백질을 생성하는 유전자인 BRAF 유전자 변이 가능성을 예측하는 병리 분야 연구 성과를 공개한 바 있다. 향후 다양한 분야를 아우르는 디지털 병리 연구·개발을 지속하며 기술 경쟁력을 강화할 계획이다.
이번 연구는 딥노이드 연구팀과 가톨릭대학교 의과대학 병리과 연구진의 공동 연구로 수행됐으며, 대장 내시경 검사로 확보한 조직 이미지를 AI가 분석해 주요 병변 유형을 구분할 수 있는지를 검증하는 데 초점을 맞췄다. 이를 통해 AI가 병리 전문의의 대장 내시경 생검 조직 분류 과정을 보조할 수 있음을 확인했다.
연구팀은 병리 전문의의 판독 과정을 모방해 자동으로 분류를 수행하는 ‘2단계 앙상블 파이프라인’을 개발했다. 전체 슬라이드 이미지 기반의 모델과 타일 이미지(전체 슬라이드 이미지를 바둑판 형태로 잘게 쪼갠 이미지) 기반의 모델을 결합한 이 파이프라인은 8987명의 환자로부터 수집한 1만 8922개의 대장 조직 전체 슬라이드 이미지를 학습해 ▲비종양(NT) ▲과형성 용종(HYP) ▲선종(ADM) ▲선암종(ADC) ▲신경내분비종양(NET)의 5가지 판독 유형을 분류할 수 있다.
이중 신경내분비종양(NET)은 전체 대장암 악성 종양 중 약 0.49%에 불과한 희귀 병변으로, 그동안 AI를 활용해 이를 자동 분류한 연구는 흔치 않았다. 특히 다중 아형 분류 모델 중 신경내분비종양을 다른 유형 병변과 함께 분류한 사례는 이번 연구가 최초다.
또한, 이번 연구는 특정 기관의 데이터에만 의존하지 않고 6개 의료 기관의 데이터를 활용해 검증을 진행했다. 이를 통해 해당 AI 연구 모델이 실제 의료 현장에서도 활용될 수 있는 가능성을 확인했다.
딥노이드 최우식 대표는 “이번 연구를 통해 AI 솔루션이 실제 의료 현장에 적용될 가능성을 확인했다”며 “앞서 공개한 갑상선 세포 검사 AI 연구 성과에 이어, 앞으로도 병리 분야 연구를 연속성 있게 확대하며 병리 기반 AI 솔루션 개발 행보를 지속해 나가겠다”고 말했다.
한편, 딥노이드는 지난 4월 갑상선 세포 디지털 이미지를 활용해 세포 신호 전달 단백질을 생성하는 유전자인 BRAF 유전자 변이 가능성을 예측하는 병리 분야 연구 성과를 공개한 바 있다. 향후 다양한 분야를 아우르는 디지털 병리 연구·개발을 지속하며 기술 경쟁력을 강화할 계획이다.
이 기사와 관련기사