암 병리학의 혁신: 분자 기반 초거대 모델 'Threads' 등장

Anurag Vaidya 등 18명의 연구진이 개발한 암 병리학용 초거대 모델 'Threads'는 다중 모달 학습을 통해 47,171개의 조직 슬라이드와 유전체 및 전사체 데이터를 활용, 54가지 종양학적 과제에서 탁월한 성능을 보였으며, 특히 희귀 사례 예측에 강점을 보였습니다. 향후 공개될 예정입니다.

최근 암 진단 및 치료의 정확성을 높이기 위한 인공지능(AI) 기술의 발전이 눈부십니다. 특히, 거대 언어 모델(LLM)을 활용한 의료 영상 분석 분야는 괄목할 만한 성장을 거듭하고 있습니다. 이러한 흐름 속에서, Anurag Vaidya 등 18명의 연구진이 개발한 **'Threads'**라는 혁신적인 모델이 등장하여 주목받고 있습니다.

Threads는 기존의 의료 영상 분석 모델의 한계를 극복하고자 다중 모달 학습이라는 새로운 접근 방식을 채택했습니다. 단순히 이미지만 분석하는 것이 아니라, 47,171개에 달하는 헤마톡실린-에오신(H&E) 염색 조직 슬라이드와 이에 대응하는 유전체 및 전사체 데이터를 함께 학습시켜, 조직의 분자적 구성까지 파악하는 능력을 갖추었습니다. 이는 기존 모델들이 가지고 있던 이미지 해석의 한계를 넘어, 조직의 분자적 특징까지 고려하여 더욱 정확하고 심층적인 분석을 가능하게 합니다. 이는 지금까지 개발된 초거대 모델 중 가장 큰 규모의 페어링된 데이터셋을 사용한 결과입니다.

54가지 종양학적 과제를 통해 검증된 Threads는 기존 모델들을 능가하는 성능을 보였습니다. 임상 하위 유형 분류, 등급 결정, 돌연변이 예측, 면역조직화학적 상태 결정, 치료 반응 예측, 생존 예측 등 다양한 분야에서 탁월한 성능을 입증했습니다. 특히, 희귀 사례 예측에서 뛰어난 성능을 보이며 그 임상적 유용성을 더욱 강조했습니다. 또한, 일반화 가능성과 레이블 효율성이 뛰어나, 다양한 상황에 적용 가능하고, 학습에 필요한 데이터 양을 줄일 수 있다는 장점도 있습니다. 연구진은 향후 Threads 모델을 공개하여 더 넓은 연구 및 의료계에 활용될 수 있도록 할 계획입니다.

Threads의 등장은 암 진단 및 치료 분야에 AI 기술이 미칠 영향에 대한 기대감을 더욱 높이고 있습니다. 이는 단순한 기술적 발전을 넘어, 더욱 정확하고 효율적인 암 진료 시스템 구축을 위한 중요한 이정표가 될 것으로 예상됩니다. 하지만, AI 모델의 윤리적, 법적 문제에 대한 지속적인 논의와 더불어, 이러한 기술의 발전이 모든 환자에게 공평하게 적용될 수 있도록 사회적 노력 또한 병행되어야 합니다.