프랑스 연구진, AI 기반 유방암 바이오마커 자동 정량화 시스템 개발 성공!

프랑스 연구팀이 AI 기반 유방암 바이오마커 자동 정량화 시스템을 개발했습니다. nnUNet 딥러닝 모델을 사용하여 PET 영상 분석을 자동화하고, SUVmax, MTV, TLG 등의 바이오마커를 추출하여 유방암 진행 상황을 정확하게 평가합니다. 이 시스템은 유방암 진단 및 치료 계획 수립에 혁신을 가져올 것으로 기대됩니다.

딥러닝으로 유방암 진행 상황을 예측하다: 18F-FDG PET 영상 분석의 혁신

프랑스 디종 소재 ICMUB 연구소와 Centre Georges-Francois Leclerc 병원의 공동 연구팀이 딥러닝 기반의 혁신적인 유방암 진단 시스템을 개발하는 데 성공했습니다. 이 시스템은 18F-FDG PET (양전자 방출 단층촬영) 영상을 분석하여 유방암 바이오마커를 자동으로 정량화함으로써, 기존 수동 분석의 한계를 극복하고 유방암 치료의 새로운 지평을 열었습니다.

연구의 주요 내용

연구팀은 243건의 기저 PET 스캔과 180건의 추적 PET 스캔 데이터를 활용하여, nnUNet 딥러닝 모델을 기반으로 유방암 종양 부위를 자동으로 분할하는 시스템을 개발했습니다. 이 모델은 기저 PET 스캔 데이터를 학습하여 최적화되었으며, 추적 PET 스캔 데이터에 적용하기 위해 추가적인 미세 조정과 활성 학습을 거쳤습니다.

시스템은 종양의 대사 활동을 나타내는 SUVmax(최대 표준화 섭취량), MTV(대사 종양 용적), TLG(총 병변 당화 작용)와 같은 중요한 바이오마커를 추출하여, 항암화학요법 이후 유방암의 진행 상황을 정확하게 평가합니다.

놀라운 성과

연구 결과, nnUNet 모델은 기저 PET 스캔에서 0.89의 Dice 유사도 계수(DSC)와 3.52mm의 Hausdorff 거리(HD)를 달성하며 우수한 종양 분할 성능을 보였습니다. 추적 PET 스캔에서는 DSC 0.78, HD 4.95mm를 기록했습니다. 또한, 자동으로 추출된 바이오마커는 수동으로 분할된 영역과 매우 강한 상관관계를 보였습니다. 평균적으로 SUVmax는 5.22, MTV는 11.79 cm³, TLG는 19.23 cm³ 감소하는 것으로 나타나, 시스템의 정확성과 유방암 진행 상황 평가의 유용성을 입증했습니다.

미래를 향한 전망

이 연구는 AI 기반 유방암 진단 및 치료 계획 수립에 새로운 가능성을 제시합니다. 자동화된 시스템을 통해 시간과 노력을 절약할 뿐 아니라, 보다 정확하고 객관적인 평가를 가능하게 하여 유방암 환자의 치료 결과를 개선하는 데 크게 기여할 것으로 기대됩니다. 앞으로 더욱 많은 연구를 통해 이 시스템의 정확성과 효율성을 더욱 향상시켜, 전 세계 유방암 환자들에게 도움을 줄 수 있을 것입니다.

연구진: Tewele W. Tareke, Neree Payan, Alexandre Cochet, Laurent Arnould, Benoit Presles, Jean-Marc Vrigneaud, Fabrice Meriaudeau, Alain Lalande