광음향 영상법 도입...'갑상선 암' 인공지능으로 진단한다

악성 갑상선 결절에 레이저 빛을 조사할 때 발생한 광음향 신호를 초음파 센서로 획득하는 모식도.<포스텍 제공>

포스텍 김철홍 교수

포스텍 박별리 박사

광음향과 초음파를 이용한 인공지능 분석으로 갑상선 결절과 암을 보다 정확히 구분할 수 있는 연구 결과가 나왔다.

포스텍은 30일 포스텍 전자전기공학과·IT융합공학과·기계공학과 김철홍 교수와 박별리 박사 연구팀이 가톨릭대 서울성모병원 임동준 교수·하정훈 교수 연구팀, 부산대 김지수 교수와 공동연구를 통해 갑상선 악성 결절 환자와 양성 결절 환자로부터 광음향 영상을 획득해 인공지능으로 분석했다고 밝혔다.

갑상선 결절은 갑상선에 혹이 생기는 것을 말하며, 전체 갑상선 결절의 5~10%는 갑성선 암으로 진단된다. 갑상선 암은 치료 예후가 좋아 생존율도 높고, 재발도 적기 때문에 조기진단과 조기 치료가 특히 중요하다.

현재 갑상선 결절 환자에 대한 진단은 초음파 영상을 이용한 미세 바늘 흡입 생검(FNAB, fine-needle aspiration biopsy)을 이용한다. 그러나 FNAB의 약 20%가 정확하지 않다는 보고가 있으며, 불필요한 검사가 반복되는 문제가 있다.

이에 연구팀은 이같은 문제를 극복하기 위해 빛을 이용해 초음판 신호를 얻는 광음향 영상법을 도입했다.

악성 결절의 산소포화도가 정상 결절의 산소포화도보다 낮다는 점에 착안했다. 다양한 색의 빛을 이용해 환자의 갑상선 결절에서 광음향 영상을 얻고 이를 통해 산소포화도 등의 정보를 계산했다. 이를 머신러닝 기법으로 분석해 갑상선 결절이 악성인지 양성인지를 성공적으로 자동 분류했다. 1차 분류 결과, 악성을 악성으로 분류하는 민감도가 78%, 양성을 양성으로 분류하는 특이도가 93%를 보였다. 2차로 머신러닝 기법으로 얻어진 광음향 분석 결과, 병원에서 사용되는 초음파 영상 기반의 초기 검진 결과를 결합했다. 여기서도 83%의 민감도와 93%의 특이도로 악성 갑상선 결절을 구분해 낼 수 있었다.

3차 분석에서 민감도를 100%로 유지할 때, 특이도는 55%가 나오는 결과를 얻었다. 기존 초음파를 이용한 갑상선 결절 초기 검사의 특이도인 17.3%보다 (민감도는 98%) 약 3배 높은 수치였다.

악성이 아닌 양성 결절을 양성 결절이라고 제대로 진단할 확률이 3배 이상 높아졌다. 이는 과잉 진단 및 불필요한 생검과 반복검사를 획기적으로 줄이고 과도한 의료비용을 낮출 수 있을 것으로 보인다.

김철홍 포스텍 교수는 "이 연구는 갑상선 결절에 대한 광음향 영상 획득해 머신러닝 기법을 적용한 악성 결절 분류라는 점에서 가치를 지닌다"며 "갑상선 환자의 초기 검사에서 불필요한 생체검사를 최소화 할 수 있다. 또한 이 기술은 유방암 등 다양한 다른 암에도 적용할 수 있다"고 말했다.

이번 연구는 세계적 권위지인 '캔서 리서치(Cancer Research)'에 실렸다.

김기태기자 ktk@yeongnam.com

김기태 기자

기사 전체보기

영남일보(www.yeongnam.com), 무단전재 및 수집, 재배포금지