간암 진단의 혁신: AI와 병리학의 만남 - LCP1.0의 등장

본 연구는 AI의 해석 가능성 및 일반화 가능성 문제를 해결하고자 간암 병리학 사전(LCP1.0)을 개발했습니다. LCP1.0은 Pathomics 및 Radiomics 특징을 임상적으로 의미 있는 정보로 변환하여 AI 모델의 투명성과 신뢰성을 향상시키고, 간암 진단 및 치료에 기여할 것으로 기대됩니다.

인공지능(AI)은 의료 진단 분야에서 막대한 잠재력을 가지고 있지만, 그 임상적 적용은 해석 가능성과 일반화 가능성의 부족으로 제한되어 왔습니다. Mohammad R. Salmanpour 박사를 비롯한 연구팀은 이러한 문제를 해결하기 위해 간암 병리학 사전 (LCP1.0) 이라는 획기적인 프레임워크를 개발했습니다.

LCP1.0은 복잡한 Pathomics 및 Radiomics 특징(PF 및 RF)을 기존 진단 워크플로우와 일치하는 임상적으로 의미 있는 통찰력으로 변환하는 것을 목표로 합니다. 연구팀은 QuPath와 PyRadiomics를 사용하여 간세포암종(HCC) 조직 샘플에서 333개의 영상 특징을 추출했습니다. 여기에는 240개의 PF 기반 세포 탐지/강도, 74개의 RF 기반 질감, 그리고 19개의 RF 기반 1차 특징이 포함됩니다. 공개 데이터셋에서 전문가가 정의한 ROI(관심 영역)을 사용하여 인공물이 발생하기 쉬운 영역을 제외하고, 특징들은 케이스 수준에서 집계되었습니다.

핵심은 이러한 특징들의 WHO 등급 시스템과의 관련성을 다양한 분류기를 사용하여 평가하고, 특징 선택 알고리즘을 적용한 것입니다. Variable Threshold 특징 선택 알고리즘과 SVM 모델을 결합하여 0.80의 높은 정확도(P 값 < 0.05)를 달성했으며, 주로 중심, 세포핵, 세포질 특징과 같은 20개의 주요 특징을 선택했습니다. 특히 핵 및 세포질 특징은 종양 등급과 예후와 강하게 연관되어 있으며, 다형성, 과염색성, 세포 배열과 같은 이형성 지표를 반영합니다.

8명의 종양학 및 병리학 전문가의 검증을 거친 LCP1.0은 AI 출력과 전문가 해석 간의 임상적으로 검증된 연결 고리를 제공하여 모델의 투명성과 사용성을 향상시킵니다. AI에서 도출된 특징들을 임상적 의미와 연결함으로써 간암 병리학에 대한 해석 가능하고 신뢰할 수 있는 진단 도구 개발을 지원합니다. 이 연구는 AI 기술이 의료 현장에서 더욱 효과적으로 활용될 수 있는 가능성을 보여주는 중요한 사례입니다. 앞으로 LCP1.0이 간암 진단 및 치료의 정확성을 높이고 환자의 예후를 개선하는 데 크게 기여할 것으로 기대됩니다.