유방암 예후 예측 다중 모달 인공지능 모델 개발

주장인공지능을 활용한 다중 모달(Multi-modal) 분석은 유방암 환자의 예후를 예측하는 과정에서 기존 임상 방식보다 높은 정밀도를 제공합니다. 복잡한 암 데이터를 통합하는 이 기술은 최적의 치료 결정을 내리는 핵심 도구로 자리 잡습니다.

팩트연구진은 환자 8,161명의 데이터를 활용해 디지털 병리 영상과 임상 정보를 결합한 인공지능 모델을 구축했습니다. 해당 모델은 질병이 없는 기간을 예측하는 지표인 C-index에서 0.71을 기록하며 성능을 입증했습니다.

팩트모델의 예측 성능을 나타내는 위험비(Hazard Ratio)는 3.63으로 집계되었습니다. 통계적 유의성을 나타내는 p값은 0.001 미만으로 측정되어 환자의 예후를 구분하는 데 효과적임을 보여줍니다.

교차검증표준 치료 지침으로 활용되는 21개 유전자 분석법은 C-index 0.61을 기록했습니다. 반면 이번에 개발된 인공지능 모델은 직접 비교에서 C-index 0.67을 보이며 기존 방식 대비 높은 식별력을 나타냈습니다.

팩트치료 지침이 확립되지 않은 삼중 음성 유방암 환자군에서도 인공지능 모델은 C-index 0.71의 성능을 보였습니다. 해당 환자군의 위험비는 3.81이며 p값은 0.02로 확인되었습니다.

주장이러한 연구 결과는 인공지능 기반 병리 검사가 모든 주요 유방암 아형에 걸쳐 위험도를 계층화하는 유망한 도구임을 시사합니다. 이는 향후 임상 현장에서 환자별 맞춤형 치료 전략을 수립하는 데 변화를 가져올 전망입니다.

팩트이번 연구에는 한국, 미국, 스위스, 말레이시아 등 전 세계 의료 기관 전문가들이 참여했습니다. 가톨릭대학교 의과대학 연구진을 포함한 다국적 연구팀은 협력을 통해 데이터의 신뢰성을 확보했습니다.

팩트연구 데이터는 메타브릭(METABRIC), 티씨지에이-비알씨에이(TCGA-BRCA), 웨일스 암 은행(Wales Cancer Bank) 등 공신력 있는 기관 자료를 기반으로 합니다. 환자가 기증한 조직과 정보를 활용해 연구의 객관성을 높였습니다.

교차검증인공지능 모델의 실제 임상 현장 도입을 위해서는 대규모 임상 시험과 규제 기관의 승인이 필요합니다. 기술적 성능을 넘어 실제 의료 환경에서의 적용 가능성을 검증하는 과정이 필수적입니다.

출처네이처 커뮤니케이션즈(Nature Communications)에 게재된 해당 연구 결과를 교차 검증했습니다. 본 연구는 리투아니아 연구 위원회 및 암 연구 관련 기관의 지원을 받아 수행되었습니다.