획기적인 AI 모델 ECTIL: 유방암 환자 예후 예측의 새 지평을 열다

암스테르담 대학 의료센터 등 다기관 연구팀이 개발한 ECTIL은 기존 모델보다 훨씬 적은 데이터로 훈련 가능한 딥러닝 기반 CTA 모델입니다. 2340명의 유방암 환자를 대상으로 한 검증 결과, 병리학자의 평가와 높은 일치율을 보였으며 생존율 예측에도 유용함을 입증했습니다. 오픈소스로 공개되어 접근성과 활용도를 높였습니다.

유방암, 특히 삼중 음성 유방암 환자의 예후 예측에 있어 종양 침윤 림프구(TIL) 의 수치는 매우 중요한 지표입니다. 하지만, TIL 수치 평가는 병리학자의 숙련된 눈과 많은 시간을 필요로 하는 어려운 작업입니다. 이러한 어려움을 해결하기 위해, 많은 연구자들이 계산 종양 침윤 림프구 평가(CTA) 모델 개발에 힘써왔지만, 기존의 CTA 모델들은 정확한 평가를 위해 방대한 양의 상세한 어노테이션 데이터에 의존하는 한계를 가지고 있었습니다.

하지만 이제 희망이 보입니다! 암스테르담 대학 의료센터(AMC) 등 다기관 연구팀이 개발한 ECTIL이라는 혁신적인 딥러닝 기반 CTA 모델이 등장했습니다. ECTIL은 기존 모델들과는 달리, 놀랍게도 훨씬 적은 양의 데이터만으로도 효과적인 훈련이 가능합니다. 단 10분 만에 100배 적은 병리학자 어노테이션만으로 훈련될 수 있다는 것은 정말 획기적인 발전입니다.

연구팀은 6개 코호트(3개의 무작위 대조 임상 시험 포함)의 2340명 유방암 환자의 전체 슬라이드 이미지(WSI)와 TIL 점수, 임상 데이터를 활용하여 ECTIL을 검증했습니다. 병리학 기반 모델을 사용하여 WSI에서 형태학적 특징을 추출하고, ECTIL은 이러한 특징으로부터 TIL 점수를 직접 회귀 분석합니다.

결과는 놀라웠습니다. 소수의 샘플로 훈련된 ECTIL(ECTIL-TCGA)조차도 5개의 서로 다른 외부 코호트에서 병리학자의 평가와 높은 일치율(r=0.54-0.74, AUROC=0.80-0.94)을 보였습니다. 5개 코호트의 모든 슬라이드로 훈련된 ECTIL(ECTIL-combined)은 더욱 향상된 성능(r=0.69, AUROC=0.85)을 보였습니다. 더욱 중요한 것은, 다변량 Cox 회귀 분석 결과 ECTIL 점수가 임상 병리학적 변수와 무관하게 전반적인 생존율과 유의미하게 연관되어 있음을 밝혔다는 것입니다(HR 0.86, p<0.01). 이는 병리학자의 점수와 유사한 결과(HR 0.87, p<0.001)입니다.

ECTIL은 기존 방법보다 훨씬 단순한 설계를 가지고 있으며, 훨씬 적은 어노테이션으로 훈련될 수 있습니다. 이러한 CTA는 예를 들어 면역 요법 임상 시험 참여 환자의 사전 선별이나 유방암 환자의 진단 과정에서 임상의를 지원하는 도구로 사용될 수 있습니다. 더욱 고무적인 것은, ECTIL 모델이 오픈소스 라이선스(https://github.com/nki-ai/ectil) 하에 공개되어 누구든지 자유롭게 접근하고 활용할 수 있다는 점입니다.

이 연구는 AI 기반 의료 진단의 잠재력을 보여주는 중요한 사례입니다. ECTIL의 등장은 유방암 환자의 진단 및 치료에 새로운 가능성을 열어줄 뿐만 아니라, AI를 활용한 의료 기술 발전에 크게 기여할 것으로 기대됩니다.