대장암 치료법 수립에 중요한 ‘림프절 전이 여부’

대장암은 2017년 우리나라에서 발생한 암 중 남녀 합산 두 번째로 많은 암이다. 사망률도 매우 높아 폐암, 간암에 이어 3위를 기록하고 있다. 대장암은 위치, 깊이, 전이 등 여러 가지 요소에 따라 내시경 치료, 수술, 항암화학 치료, 방사선 치료 등 다양한 치료법이 결정된다. 이중 림프절 전이 여부는 초기 대장암 환자가 내시경 치료 후 추가 수술과 항암화학 요법이 필요한지를 결정할 수 있는 중요한 예후 요인이다.

기존 검사 한계로 정밀한 진단·전이 예측 어려워

대장암은 현재까지 초음파, CT, 병리학적 검사를 통해 병기와 예후를 확인하고 있다. 하지만 검사법의 현실적 한계로 전이 여부를 예측하기는 사실상 어려웠다. 특히 병리조직의 판단은 가장 중요한 진단 지표이지만 △방대한 영상을 사람이 세밀히 판단하기 불가능한 점 △이런 이유로 도입된 정성적 평가 척도의 한계점 △마지막으로 판독을 하는 의사 개개인별 판단의 차이로 인해 암의 전이 여부를 예측하지 못했다. 이에 의학계에서는 더욱 정확하면서 효율적이며 일관된 결과를 얻기 위해 최신 컴퓨터 이미지 분석기술이 활발하게 개발됐다.

컴퓨터 이미지 분석기술과 AI 접목, 전이 예측 시스템 구현

강동경희대학교병원 소화기내과 곽민섭 교수팀은 이러한 최신 컴퓨터 이미지 분석기술과 AI(인공지능)를 접목하여 대장암의 림프절 전이 예측 시스템을 개발했다. 암 전이에 중요한 작용을 한다고 알려진 ‘암 주위 미세환경’을 분석하여 전이 여부를 예측하는 방법이다. 조직 슬라이드에서 암조직과 암조직 주변 간질 영역의 비율을 이용해 PTS 점수를 개발했다. 먼저 조직을 정상 대장점막, 간질, 림프구, 점액, 지방조직, 평활근, 대장암의 7개 클래스로 나누어 영역에 대한 명확한 구역화 훈련을 통해 AI 모델을 개발하고, 이 중 암조직과 주위 간질 영역을 추출하여 형태연산 방법을 통하여 점수를 계산하도록 했다.

곽민섭 교수팀, 진단모델과 평가지수 유용성 확인

곽민섭 교수팀은 미국 국립보건원(National Institutes of Health, NIH)에서 진행한 The Cancer Genome Atlas(TCGA) 프로젝트에 등록된 대장암 1기~3기 환자 총 164명을 대상으로 이번 AI 진단모델의 연구를 진행했다. 직장암을 진단받았거나 영상화질이 불량한 슬라이드는 제외되었으며, 이 중 59.8%(98명)는 림프절 전이가 없는 음성그룹, 40.2%(66명)는 양성그룹이었다. AI 진단모델로 분석하여 PTS 점수를 확인한 결과, 양성그룹의 평균 PTS 점수는 0.38점으로 음성그룹 0.228점보다 유의하게 높았으며, 양성그룹에서도 전이가 많을수록 점수가 더 높았다. 이로써 이번 AI 진단모델이 림프절 전이 위험이 있는 환자를 식별하는 데에 유용함을 입증했다.

대장암 환자의 전이 여부 예측으로 정밀 맞춤치료 가능

이번 연구로 기존 병리조직 검사의 한계를 극복하고 방대한 전체 슬라이드를 보다 정확하고, 세밀하게 분석할 수 있는 기틀이 마련됐다. 또한 대장암 환자에서 편리하고 정확하게 림프절 전이 위험을 확인함으로써 치료의 효과를 극대화할 수 있을 것으로 보인다.
강동경희대학교병원 소화기내과 곽민섭 교수는 “이번 모델을 통하여 정확하게 대장암 전이를 예측하여 환자 개개인에게 맞는 치료 및 추적 관찰 방법을 구축할 수 있다.”라면서 “향후 후속 임상시험과 더욱 심층적인 AI 연구개발로 정밀의료(Precision medicine)를 가능하게 할 수 있을 것으로 생각한다.”고 말했다.