미국 토마스제퍼슨 의과대학 연구팀은 인공지능을 활용해 갑상선암 진단에 활용하는 실험을 진행했다. 연구팀은 향후 암 진단 뿐 아니라 수술 여부까지 조언받을 수 있어 의사와 환자들에게 더 많은 정보를 제공할 수 있을 것으로 전망했다.© 뉴스1

미국 필라델피아에 위치한 토머스 제퍼슨 대학교 연구팀이 인공지능(AI)를 이용해 갑상선암을 예측하는 연구결과를 발표했다. 초기 연구라 아직 정확도가 떨어지는 결과를 보였으나 연구팀은 이후 암 진단 예측을 넘어 수술 여부까지 판단할 수 있을 것으로 기대한다고 밝혔다.제퍼슨 의과대학 연구팀은 지난 24일(현지시간) 구글 플랫폼을 활용해 초음파 영상을 통해 보다 정확하게 갑상선암을 진단할 수 있는 방법에 대한 실험을 진행해 발표했다. 제퍼슨 대학교 의과대학 산하 시드니 킴멜 암센터에서 초음파 영상을 통한 비침습적 이미지를 구글 플랫폼의 기계학습(머신러닝) 알고리즘과 결합해 갑상선암에 대한 빠르고 저렴한 1차 스크린닝 방법으로 사용 가능한지 실험했다. 이번 연구결과는 미국의학협회 이비인후·두경부외과학지(JAMA Otolaryngology-Head and Neck Surgery)에 10월 24일 온라인판으로 발표됐다. 

엘리자베스 코트릴 토마스 제퍼슨 대학의 이비인후과 전문의는 "갑상선 결절은 초음파 검사를 통해 판단 가능하며 이후 바늘 생검 여부를 결정한다"며 "그러나 미세 바늘 생검은 전체적인 그림을 알려주지 않아 일부 생체검사에서는 결절이 악성인지 아닌지에 대한 결정적인 결과가 안 나오는 경우가 생긴다"고 설명했다. 

바늘을 이용한 생체검사가 결론이 나지 않는 경우 표본을 이용한 분자진단을 추가로 검사해 악성종양의 위험을 확인한다. 이 검사는 악성 갑상선암과 관련된 특정 돌연변이 또는 분자 바이오마커를 찾는 작업이다. 결절이 고위험 마커 또는 돌연변이에 대해 양성으로 진단 결과나 나오면 수술을 통해 제거하는 과정을 거치게 된다. 그러나 분자진단법에 대한 사용 시기는 아직 기준이 모호하며 소규모 지역 병원에서는 아직 검사가 가능한 모든 실험 환경을 갖추지 못한 경우가 많다. 

제퍼슨대 연구원들은 1차 진단 기준인 초음파 영상의 예측 능력을 향상시키기 위해 구글이 개발한 머신러닝 또는 인공지능 모델을 조사했다. 연구원들은 환자들이 찍은 갑상선 결절 초음파 사진을 소프트웨어 알고리즘에 적용시켜 갑상선암 1차 진단 기준인 초음파 영상에서 구별되는 패턴을 골라낼 수 있도록 했다. 인공지능이 가진 이미지 처리 기술이 분자진단검사와 비교해 갑상선 결절의 유전적 위험을 어느 정도 예측할 수 있는지 확인하기 위함이다.  이 프로그램은 원래 대형소매업체에서 머신러닝을 이용해 대량의 제품을 분류해 소비자가 관심 있는 제품을 쉽게 찾도록 돕는 역할을 수행하도록 사용되고 있다. 또한 디즈니사에서는 제품 판매 시 특정한 캐릭터나 영화에 기반해 주석을 다는데 활용되기도 했다.   

연구팀은 생체검사를 받은 후 분자진단 검사를 경험한 환자 121명의 초음파 사진을 적용했다. 분자진단 검사에 활용되는 바이오마커를 기준으로 총 134개 병변 중 43개 결절은 고위험군으로 분류됐고, 91개는 낮은 위험군으로 분류됐다. 위험 바이오마커 인자를 가진 환자 사진을 라벨링 해 구글 소프트웨어 알고리즘에 적용시킨 결과 소프트웨어는 각각 고위험 및 저위험 분류를 진행해 학습했다. 이후 연구팀은 분자진단 검사 결과와 비교하기위해 라벨을 제거한뒤 새로운 영상을 통해 테스트를 진행했다.    

인공지능은 초음파 진단 영상 683개를 통해 가설을 세우고, 검정 및 학습을 진행했다. 결절이 있는 56.0%에서 변이가 관찰되지 않았으며 32.1%가 고위험 그리고 11.9%에서 알려지지 않았거나 저위험 변이가 관찰됐다. 초음파 영상을 통해서는 33.4%가 고위험으로 66.6%가 저위험으로 분류된 결절이었다. 인공지능은 전체적으로 77.4%의 정확도를 기록했다. 다만 실제 양성결절을 가진 환자 영상에서는 97% 정확도를 보였다. 알고리즘을 통해 양성이라고 판단되면 실제로 양성일 확률이 높았다는 해석이다.

연구팀은 입력한 표본이 늘어나면 정확도가 올라갈 것이라고 설명했다.

아이젠 브레이 연구 책임자 겸 제퍼슨의대 방사선과 교수는 "머신러닝은 의사가 불확실한 결절에 대해 어떻게 접근할지 결정하는 데 도움이 되는 저렴하고 효율적인 도구"라며 "초음파상 갑상선 결절의 유전적 위험 계층화 분야에서 기계적 학습을 시도한 첫 사례"라고 설명했다. 또한 "머신러닝에는 다양한 잠재적인 응용 분야가 있다"며 앞으로 고위험 결절에 대한 해부학적 특징을 식별하는 데 도움이 될 수 있는 형상추출 기술을 적용해볼 예정"이라고 향후 계획을 말했다.

이번 연구는 아직 예비단계 수준이나 인공지능 프로그램이 갑상선암 진단에 효율성을 향상시킬 수 있는 추가적인 진단 도구로 활용될 수 있는 가능성을 확인한 셈이다. 전문가들은 인공지능이 앞으로 좀 더 발전할 경우 갑상선 제거 수술 여부를 결정하는 의사들과 환자들에게 더 많은 정보를 줄 수 있을 것으로 전망했다.


jjsung@news1.kr