임동준 교수, 포스텍 김철홍 교수·부산대 김지수 교수와 공동연구
'머신러닝 기반 갑상선 결절 다중 매개변수 광음향 분석'
김 교수 "광음향 영상에 머신러닝 기법 적용 악성 결절 분류"
임 교수 "효과적인 갑상선암 진단에 큰 도움 될 것"
"추가 임상 통해 많은 갑상선 결절 환자에 쉽게 적용할 의료기기로 개발"
논문, 세계적 권위지 'Cancer Research'에 게재
[보건타임즈] 갑상선에 혹이 생기는 것을 갑상선 결절이라고 하며, 전체 갑상선 결절의 5~10%는 갑성선 암으로 진단된다.
갑상선 암은 치료 예후가 좋아 생존율도 높은 데다 재발이 적어 조기진단과 조기 치료가 특히 중요하다.
최근 국내 연구팀이 광 음향, 초음파와 인공지능 기술을 결합해 비침습 검사로 갑상선 결절과 암을 구분해내는 진단법을 제안했다.
가톨릭대 서울성모병원 내분비내과 임동준(사진 左), 하정훈 교수(右) 연구팀은 POSTECH(포항공과대학교) 전기전자공학과·IT융합공학과·기계공학과 김철홍 교수·박별리 박사 연구팀, 부산대 김지수 교수와 공동연구를 통해 실제 갑상선 악성 결절 환자와 양성 결절 환자로부터 광음향 영상을 획득, 인공지능으로 분석한 결과 민감도 83%와 특이도 93%로 악성 갑상선 결절을 구분해 낼 수 있음을 확인했다고 발표했다.
이 연구결과를 다룬 논문은 세계적 권위지 'Cancer Research'에 게재됐다.
연구팀에 따르면 현재 갑상선 결절 환자 진단은 초음파 영상을 이용한 미세 바늘 흡입 생검(FNAB, fine-needle aspiration biopsy)을 이용, 수행한다.
그러나 FNAB의 약 20%가 정확하지 않다는 보고되는 등 불필요한 검사가 반복되는 문제가 있었다.
이에 연구팀은 이러한 문제를 극복하기 위해 빛을 이용해 초음파 신호를 얻는 광음향 영상법이 적용됐다.
빛(레이저)을 환자의 갑상선 결절에 쬐게 되면 갑상선과 결절 부위에서 초음파 신호가 발생한다.
이 신호를 획득해 처리하면 갑상선과 갑상선 결절의 광음향 영상을 얻을 수 있다.
이때, 여러 색의 빛을 이용, 광음향 신호를 획득하면 갑상선과 갑상선 결절의 산소포화도 정보를 얻을 수 있다
연구팀은 악성 결절의 산소포화도가 정상 결절의 산소포화도보다 낮다는 점에 착안해 갑상선 악성 결절 환자(23명)와 정상(양성) 결절 환자(29명)를 광음향 초음파로 촬영해 획득한 영상을 분석했다.
다음으로 다양한 색의 빛을 이용해 환자의 갑상선 결절에서 광음향 영상을 얻고 이를 통해 산소포화도 등의 정보를 계산한 후 머신러닝 기법으로 분석, 갑상선 결절이 악성인지 양성인지를 성공적으로 자동 분류했다.
1차 분류 결과 악성을 악성으로 분류하는 민감도는 78%, 양성을 양성으로 분류하는 특이도는 93%를 보였다.
2차 머신러닝 기법으로 얻어진 광음향 분석 결과와 병원에서 사용되는 초음파 영상 기반의 초기 검진 결과를 합쳐 산출한 결과 민감도 83%와 특이도 93%로 악성 갑상선 결절을 구분해 낼 수 있음을 확인했다.
한 발 더 나가 3차 분석에서 민감도를 100%로 유지할 때, 특이도는 55%가 나와 기존 초음파를 이용한 갑상선 결절 초기 검사의 특이도 17.3%보다 (민감도는 98%) 약 3배 높았다.
결과적으로 악성이 아닌 양성 결절을 양성 결절이라고 제대로 진단할 확률이 3배 이상 높아 과잉 진단, 불필요한 생검과 반복검사를 획기적으로 줄임으로써 과도한 의료비용을 낮출 수 있음을 보여줬다는 연구팀의 설명이다.
POSTECH 김철홍 교수는 "이 연구는 최초로 갑상선 결절을 촬영한 광음향 영상 획득해 머신러닝 기법을 적용한 악성 결절 분류라는 점에서 가치를 지닌다"며 "이 연구결과를 볼 때, 갑상선 환자에 대한 초기 검사에서 불필요한 생검을 최소화할 수 있을 뿐만 아니라, 이 기술은 유방암 등 다양한 다른 암에도 적용될 수 있다"고 말했다.
서울성모병원 임동준 교수는 "광음향 영상을 기반으로 한 초음파기기는 최근 건강검진이나 진료 중에 발견되는 많은 갑상선 결절에서 조직검사 횟수를 줄이는 동시에 효과적인 갑상선암 진단에 큰 도움이 될 것"이라며, "추가 임상연구를 통해 많은 갑상선 결절 환자에게 쉽게 적용될 수 있는 의료기기로 개발할 수 있다"고 덧붙였다.
이 연구는 한국연구재단, 교육부 대학중점연구소지원사업 의료기기혁신센터(MDIC), 과학기술정보통신부 인공지능대학원지원, BK21 FOUR 프로젝트의 지원으로 수행됐다.
기사최종편집일: 2024-04-19 11:22:46
다음기사 : 
