[메디칼업저버 박선혜 기자] 국내 연구팀이 치사율이 높은 피부암인 흑색종의 조기 진단을 보조하는 인공지능(AI) 기반 조직 생검 부위 추천 시스템을 개발했다.

가톨릭대 서울성모병원 피부과 한주희 교수(교신저자)와 박지호 전공의(제1저자) 연구팀은 흑색종 진단 시 일반적으로 사용하는 조직검사에 비침습적, 증강 접근 방식을 적용해 생성적 적대 신경망(Generative Adversarial Network, GAN)에 의해 생성된 이미지를 기반으로 펀치 조직생검 부위를 제안하는 모델을 설계했다. 

GAN은 대표적인 합성 데이터 기술로 사람 눈에 사실적이고 현실적인 이미지를 생성한다. GAN은 가짜 데이터를 생성하는 생성기(Generator)와 진짜와 가짜를 구분하는 판별기(Discriminator)가 경쟁적으로 학습해 진짜 데이터에 가까운 가짜 데이터를 생성한다.

현재까지 딥러닝 알고리즘 분석을 활용한 선행 연구는 대부분 악성과 양성을 진단하거나 분류하는 데 초점을 맞췄다. 적절한 펀치 조직생검 부위를 제시해 흑색종 진단을 보조하기 위한 연구는 없었다. 

이번 연구는 흑색종 확대경 이미지를 학습한 AI가 환자 병변 중 펀치 조직생검에 가장 적합한 부위를 제시해 조직생검 시 의사결정에 도움을 주고, 검사 정확도를 높여 흑색종 진단에 유용할 것으로 기대된다.

연구팀은 서울성모병원의 흑색종과 양성 점의 피부확대경 검사 이미지와 공개 데이터(HAM10000 흑색종 데이터)를 병합했다. 

머신러닝 분류기(Classifier)는 이미지가 양성인지 악성인지 결정하도록 훈련됐고, 이미지 생성기(Generator)는 styleGAN2 알고리즘을 사용해 육안으로는 흑색종과 유사하지만, 흑색종의 특이적 특성이 제외된 양성 점 이미지를 생성하도록 훈련됐다. 

마지막으로, 잠재적 조직검사 부위를 결정하기 위해 흑색종 입력 이미지를 생성기에서 생성된 이미지와 비교해 펀치 조직생검에 가장 적합한 부위를 추천하도록 했다. 피부과 전문의 3명이 조직검사에 가장 적합한 부위를 결정했고, 이 영역을 AI 모델의 권장 조직검사 부위와 비교했다. 

그 결과 분류기의 정확도는 91.05%, 민감도는 49.18%, 특이도는 98.16% , F1 점수(정밀도와 재현율의 조화평균)는 65.53%로 조사됐다. 

이어 피부과 전문의의 조직생검 추천 위치와 AI 모델이 권장하는 조직생검 위치를 비교했다. 즉 전문의가 흑색종 진단을 위해 조직생검 위치로 가장 적합하다고 판단한 부위(confidence level 1)와 그다음으로 적합한 조직생검부위(confidence level 2)를 선정하고, AI 모델이 적합하다고 추천한 조직생검 부위와 얼마나 일치하는지 조사했다. 

그 결과 레벨A, 레벨B, 레벨C, 레벨D의 각각 정확도는 58%, 90%, 78%, 98%로 확인됐다. 

한주희 교수는 "이번 파일럿 연구는 실제 진료 환경에서 적용할 수 있는 가능성을 보여줬다"며 "향후 추가 연구를 통해 AI 모델이 더 개선된다면, 조직검사 부위를 정확히 제안해 흑색종을 조기에 정확하게 진단 가능하도록 의사결정을 보조해 결과적으로 흑색종 예후를 개선할 수 있을 것"이라고 기대했다.

이어 "피부암은 조직생검 부위가 정확하지 않으면 진단이 늦어지는 경우가 있다. 비교적 천천히 진행되는 다른 피부암과 달리 흑색종은 치료시기를 놓치면 림프절, 뇌, 뼈, 폐 등 다른 장기로 전이돼 치명적일 수 있다"면서 "특히 피부과 전문의의 의료 접근성이 낮은 국가에서 AI 기반 펀치 조직생검 부위 추천 시스템을 활용한다면 흑색종 조기 진단과 치료에 도움이 될 것"이라고 덧붙였다. 

한편 이번 연구 결과는 국제학술지 Journal of the European Academy of Dermatology and Venereology 8월호에 실렸다.