[메디칼업저버 양영구 기자] 비침습적이고 보다 편리한 EGFR 변이 비소세포폐암을 예측 모델이 개발됐다.

아주대병원은 방사선종양학과 허재성 교수팀(김선화 연구원)이 비소세포폐암에서 CT 영상 기반 딥러닝, 라디오믹스를 활용한 EGFR 유전자 돌연변이 예측 모델을 개발했다고 7일 밝혔다.

EGFR 변이는 비소세포폐암에서 가장 흔하게 발견된다. 하지만 비소세포폐암 진단을 위한 EGFR 유전자 돌연변이 검사는 기술적 어려움과 높은 비용이라는 한계가 있었다. 

연구팀은 이 같은 문제를 극복하기 위해 비침습적이고 편리한 검사 방법을 고안해냈다.

이번에 개발된 예측 모델은 비소세포폐암 환자 1280명의 치료 전 CT 영상, 임상 데이터에 딥러닝과 라디오믹스 기법이 적용됐다.

환자의 CT 영상에서 추출한 종양 특징과 환자의 임상정보를 결합, EGFR 변이 유무 확인이 가능하다.

라디오믹스는 CT, MRI 등 의료 영상 데이터에서 추출한 대량의 양적 특징을 분석해 질병의 진단, 치료 계회 및 예후를 예측하는 분석기법이다. 종양학에서는 종양의 이질성을 특성화하기 위한 목적으로 사용된다.

연구팀은 이번 예측 모델의 성능 평가를 위해 내부 데이터 뿐만 아니라 외부 기관 환자 443명의 데이터를 적용해 평가했다. 

평가 지표는 딥러닝 모델의 대표적 평가지표인 AUC를 이용했다.

연구 결과, AUC 점수가 1점 만점을 기준으로 내부 데이터 검증의 경우 약 0.80, 외부 데이터 검증은 0.77로 집계됐다. 

반면, 딥러닝 모델을 제외한 라디오믹스 임상 특징만 적용해 평가한 결과, 내부 데이터 검증은 AUC 0.71, 외부 데이터 검증은 AUC 0.67로 정확도가 떨어졌다. 

이는 딥러닝이 EGFR 유전자 변이 예측률을 높이는 데 주요한 역할을 수행한다는 것을 의미한다. 

허 교수는 "의료 영상은 기본적인 해부학, 생리학적 정보뿐 아니라 유전자 수준의 정밀한 정보를 제공한다"며 "CT 영상을 활용한 유전자 검사법은 재현이 가능하고 비침습적이며 간단하게 돌연변이를 확인 가능해 비소세포폐암의 조기 발견 뿐 아니라 개인맞춤형 치료 전략을 수립할 수 있다"고 말했다.

김 연구원은 "이번 예측 모델이 EGFR 변이를 확인하는 편리하고 비침습ㅂ적인 도구로 사용될 수 있다는 것을 확인했다"고 덧붙였다. 

한편, 이번 연구는 국제 학술지 Scientific report 1월호에 ‘Deep learning–radiomics integrated noninvasive detection of epidermal growth factor receptor mutations in non-small cell lung cancer patients(EGFR 돌연변이를 비침습적으로 검출하는 딥 러닝-라디오믹스 통합 기법: 비소세포 폐암 환자 대상)란 제목으로 게재됐다.