한국원자력의학원(원장 김미숙) 우상근·공창배 박사 연구팀은 최근 소아 골육종 환자의 수술 전 항암치료 반응 및 전이를 보다 정확하게 예측할 수 있는 인공지능 기계학습(Machine Learning) 모델을 개발했다.
기계학습(Machine Learning)은 인공지능(AI)의 한 분야로 컴퓨터가 스스로 규칙을 형성해 데이터를 분류하거나 값을 예측한다.
뼈 성장이 왕성한 소아 청소년기에 많이 생기는 골육종은 재발을 줄이기 위해 먼저 보조적 항암치료 시행 후 수술로 종양을 제거한다.
기존에는 주로 유전자 정보와 진단 영상(양전자방출단층촬영, PET/CT)을 분석해 항암치료 반응 및 전이를 예측했다. 그러나 유전자 분석법은 시간이 오래 걸리고 검체 채취 영역에 따라 결과가 다르게 나타날 수 있으며, 양전자방출단층촬영(PET/CT)은 빠른 분석은 가능하나 암세포에 대한 정보의 양이 적어 정확도가 떨어지는 문제점이 제기됐다.
연구팀은 소아 골육종 환자 52명을 대상으로 선행화학요법(수술 전 실시하는 항암치료) 전 기존 방법과 기계학습 모델을 이용한 방법으로 항암치료 반응 및 전이 예측 정확도를 비교 분석했다.
기존 골육종에 많이 발현되는 유전자(Ki-67 및 Ezrin) 정보 및 양전자방출단층촬영(PET/CT) 영상을 각각 분석하는 방법을 시행한 결과, 항암치료 반응 및 전이 예측 정확도는 유전자 정보 분석법 53%, 양전자방출단층촬영(PET/CT) 영상은 71%로 확인됐다.
반면, 유전자(Ki-67 및 Ezrin) 정보 및 양전자방출단층촬영(PET/CT) 영상을 융합 분석한 결과를 학습시킨 기계학습 모델은 항암치료 반응 및 전이 예측 정확도가 85%로 확인됐다.
이번 연구는 골육종에서 발현되는 특정 유전자 정보와 양전자방출단층촬영(PET/CT) 영상을 융합 분석하는 기계학습 모델을 개발함으로써 항암치료 반응 및 전이 예측도를 높였을 뿐 아니라 암 치료효과 증진을 위한 인공지능 프로그램의 임상 활용 가능성을 열었다는 점에서 의의가 있다.
연구팀은 “이번 연구결과를 통해 치료가 어려운 난치성 소아 골육종 환자의 생존율 향상을 기대한다”며 “앞으로 유전 공학 및 방사선의학에 인공지능 기술을 접목한 다양한 임상연구를 이어갈 것”이라고 말했다.
이번 연구는 원자력연구개발사업으로 진행한 ‘인공지능 기술 활용 방사선 및 항암치료 반응 예후예측 의료기술 개발’의 일환으로 수행됐으며 종양학 분야 국제 학술지 ‘캔서스(Cancers)’ 2021년 5월 28일자 온라인판에 게재됐다.
