뼈 성장이 왕성한 소아 청소년기에 많이 생기는 골육종은 재발을 줄이기 위해 먼저 보조적 항암치료를 시행한 후 수술로 종양을 제거한다.
기존에는 주로 유전자 정보와 진단 영상(양전자방출단층촬영, PET/CT)을 분석해 항암치료 반응 및 전이를 예측해 왔는데, 유전자 분석법은 시간이 오래 걸리고 검체 채취 영역에 따라 결과가 다르게 나타날 수 있으며, 양전자방출단층촬영(PET/CT)은 빠른 분석은 가능하나 암세포에 대한 정보의 양이 적어 정확도가 떨어지는 문제점이 있어왔다.
연구팀은 소아 골육종 환자 52명을 대상으로 선행화학요법(수술 전 실시하는 항암치료) 전 기존 방법과 기계학습 모델을 이용한 방법으로 항암치료 반응 및 전이 예측 정확도를 비교 분석했다.
분석 결과, 기존 골육종에 많이 발현되는 유전자(Ki-67 및 Ezrin) 정보 및 양전자방출단층촬영(PET/CT) 영상을 각각 분석하는 방법을 시행했을 때 항암치료 반응 및 전이 예측 정확도는 유전자 정보 분석법은 53%, 양전자방출단층촬영(PET/CT) 영상은 71%로 확인됐다.
반면, 유전자(Ki-67 및 Ezrin) 정보 및 양전자방출단층촬영(PET/CT) 영상을 융합 분석한 결과를 학습시킨 기계학습 모델은 항암치료 반응 및 전이 예측 정확도가 85%로 확인됐다.
이번 연구는 골육종에서 발현되는 특정 유전자 정보와 양전자방출단층촬영(PET/CT) 영상을 융합 분석하는 기계학습 모델을 개발함으로써 항암치료 반응 및 전이 예측도를 높였을 뿐 아니라 암 치료효과 증진을 위한 인공지능 프로그램의 임상활용 가능성을 열었다는 점에서 의의가 있다.
우상근 박사 연구팀의 이번 연구 성과는 종양학 분야 국제 학술지 ‘캔서스(Cancers)’ 2021년 5월28일자 온라인 판에 게재됐다.
연구팀은 “이번 연구결과를 통해 치료가 어려운 난치성 소아 골육종 환자의 생존율 향상을 기대한다”며, “앞으로 유전 공학 및 방사선의학에 인공지능 기술을 접목한 다양한 임상연구를 이어갈 것”이라고 밝혔다.
이번 연구는 원자력연구개발사업으로 진행한 ‘인공지능 기술 활용 방사선 및 항암치료 반응 예후예측 의료기술 개발’의 일환으로 수행됐다.
juny@kukinews.com
