한국 여성은 치밀 유방이 많아 유방촬영술로는 양성 종양을 암으로 오인하는 경우가 적지 않다. 게티이미지뱅크
유방암을 알아내기 위한 기본 검사법은 유방촬영술이다. 하지만 한국 여성에게 많은 치밀(緻密) 유방인 경우 유방암을 놓칠 위험이 있다.
정밀한 진단을 위해 유방초음파 검사를 병행할 수 있다. 문제는 유방초음파 검사는 치료를 필요로 하지 않는 양성 종양을 많이 발견해 유방암으로 오인할 수 있다. 이 같은 위양성 진단으로 불필요한 조직 검사에 따른 비용이 발생하거나 합병증 위험이 증가한다.
이에 장정민ㆍ김수연 서울대병원 영상의학과 교수팀은 인공지능(AI)을 활용한 초음파 검사로 더 정확히 유방암 병변을 감별할 수 있는 진단 모델을 개발해 유방암으로 잘못 오인되는 위양성 진단을 획기적으로 줄일 수 있게 됐다.
AI를 활용한 소프트웨어는 다양한 유방 종양의 초음파 검사에서 보이는 형태학적 데이터를 이용해 학습시킨 프로그램으로 삼성메디슨에서 연구용으로 제공했다. 개발에는 세브란스병원과 삼성서울병원을 방문한 299명의 데이터를 활용했고, 검증은 서울대병원을 방문한 164명의 데이터로 진행됐다.
연구자들은 해당 소프트웨어에서 추출한 정량적 지표에 국제적으로 널리 활용되는 영상의학과 의사의 유방 영상 판독 및 데이터 체계(BI-RADS) 최종 평가, 환자 나이 정보를 통합해 진단 모델을 만들었다.
연구팀은 개발한 진단 모델과 기존에 사용되는 유방 영상 판독 및 데이터 체계의 성적을 비교했다. 검증 단계에서 비교한 결과, 개발한 진단 모델의 위양성률은 45%(69/155)로 기존 97%(151/155)보다 위양성률이 52% 줄었다. 위양성률이 높다는 것은 실제로 음성이지만 양성으로 진단되는 경우가 많다는 뜻이다. 이는 환자에게 혼란과 불안을 주고 불필요한 추가 검사로 인한 의료비 상승을 일으킨다.
또한 새로운 진단 모델을 적용해 조직 검사를 줄일 수 있게 됐다. 조직 검사는 진찰이나 영상학적 검사에서 의심스러운 병변이 발견될 때 시행된다.
기존 유방 영상 판독 및 데이터 체계를 통해 조직 검사가 필요하다고 판단된 병변은 98%(160/164)였는데, 새로운 진단 모델을 이용하면 조직 검사율이 48%(78/164)로 50% 감소했다.
장정민 교수는 “영상 의학 분야에서 AI는 전문가 판단에 부가적이며 객관적인 의견을 제공해 줌으로써, 진단의 효율과 정확성을 높일 수 있어 활용 가능성이 매우 크다”며 “미래 딥러닝 기반 소프트웨어를 임상에 적용함으로써 검진 유방 초음파 위양성률을 줄이는데 기여할 것”이라고 했다.
연구 결과는 국제 학술지 ‘사이언티픽 리포트(Scientific Reports)’ 최신호에 게재됐다.
기사 URL이 복사되었습니다.
댓글0