근거 쌓아가는 의료 인공지능 기술…예측 정확도 입증
이인복 기자 (news@medicaltimes.com)
기사입력 : 2020-10-26 11:59
0
    • |3년간 4415명 전립선암 환자 대상 신뢰도 평가 합격점
    • |무진행 생존율과 암 특이 생존율 등 정확도 크게 향상
    |메디칼타임즈=이인복 기자| 인공지능(AI)를 통한 암 진단 및 예후 예측 기술이 정확성에 대한 학문적 근거를 쌓아가며 가능성을 입증하고 있다.

    단순히 암 진단을 넘어 초기 치료법 선정과 이에 따른 생존율 예측까지 이뤄내면서 신뢰도를 쌓아가고 있는 것.

    의료 AI 시스템이 신뢰도를 입증하며 근거를 쌓아가고 있다.
    26일 대한암학회 국제학술지인 'Cancer Research and Treatment'에는 국내에서 개발된 전립선암 생존 예측 시스템의 신뢰도를 평가한 연구가 게재됐다(doi.org/10.4143/crt.2020.637).

    강남세브란스병원 비뇨의학과 구교철 교수가 주도한 이번 연구는 인공지능 기업 셀바스 AI가 개발한 머신러닝 기반 전립선암 생존 예측 시스템에 대한 정확도를 평가하기 위해 진행됐다.

    이 시스템은 전립선암으로 진단된 환자의 초기 치료법에 따른 생존율 예측 모델 (SCaP calculator)을 인공 신경망(Artificial Neural Network) 기법을 활용해 분석하는 AI.

    즉, 전립선암 진단을 넘어 이 환자에게 어떤 치료법을 적용하는가에 따라 얼마나 생존할 수 있는지에 대한 지표를 제시하는 시스템인 셈이다.

    지금까지 생존 지표를 예측할 수 있는 다양한 기술들이 개발되고 있지만 다양한 초기 치료 양식으로 인해 전립선암 환자의 개별 특성에 맞는 치료 방법을 결정하는 과정에서의 어려움은 여전했다.

    기존의 선형 분석 모델로는 암 자체에 대한 예측은 가능해도 환자 개개인의 특성에 따른 치료 방법 결정 및 생존율의 영향을 예측하기 어려웠기 때문이다.

    하지만 인공신경망 알고리즘의 하나인 LSTM ANN(Long Short-term Memory ANN) 모델을 활용하면 환자 특성을 고려한 생존 예측 모델을 수립과 진단 및 생존율 예측의 정확도가 높아진다는 점이 밝혀지면서 기술 개발에 탄력이 붙기 시작했다.

    이번 연구는 이러한 시스템의 정확도를 외부 검증(External Validation)을 통해 확인하는 절차인 셈이다.

    이에 따라 연구진은 시스템의 신뢰성을 평가하기 위해 곡선하면적(AUC)을 통해 5년을 기반으로 거세저항성 전립선암 무진행 생존율(CRPC-free survival)과 암 특이 생존율(cancer-specific survival) 및 전체 생존율을 분석했다.

    그 결과 지표별 생존율의 AUG 값이 각 0.962, 0.944, 0.884의 높은 수치를 보이며 우수한 예측 결과를 도출했다. AUG 값은 1에 가까울 수록 정확도가 있다는 것을 의미한다.

    강남세브란스병원 비뇨의학과 구교철 교수는 "이번 연구를 통해 환자의 개별 특성에 맞게 더 정확한 생존 예측 모델을 발전시킬 수 있다는 것이 증명됐다"며 "특히 이번 연구가 서울아산병원과 아주대병원, 한림대병원에서 동일 환자군 자료로 검증됐다는 점에서 더욱 의미가 있다"고 설명했다.

    이어 그는 "추가적인 개발과 연구가 동반된다면 다양한 케이스에서 이 시스템을 활용할 수 있을 것으로 기대한다"며 "추후 임상 현장에서도 충분히 활용할 수 있는 가능성을 확인했다"고 밝혔다.
  • 메디칼타임즈는 독자의 제보에 응답합니다.
    • 이 기사를 쓴

      이인복 기자

    • 제약과 의료기기 그리고 의약학술 학회 전반을 취재하고 있습니다
    • 기사 관련 궁금증이나 제보할 내용이 있으면 지금 이인복 기자에게 연락주세요.
      메디칼타임즈는 여러분의 제보에 응답합니다.
    • 사실관계 확인 후 기사화된 제보에 대해서는 소정의 원고료(건당 5만원)을 지급해드립니다.
      ※프로필을 클릭하면 기사 제보 페이지로 이동합니다.
    독자의견
    0
    익명의견 쓰기 | 실명의견쓰기 운영규칙
    닫기

    댓글 운영방식은

    댓글은익명게재 방식으로 운영되고 있습니다, 익명은 필명으로 등록 가능하며, 대댓글은 익명으로 등록 가능합니다.

    댓글의 삭제 기준은

    다음의 경우 사전 통보없이 삭제하고 아이디 이용정지 또는 영구 가입제한이 될 수도 있습니다.

    • 저작권·인격권 등 타인의 권리를 침해하는 경우

      상용 프로그램의 등록과 게재, 배포를 안내하는 게시물

      타인 또는 제3자의 저작권 및 기타 권리를 침해한 내용을 담은 게시물

    • 근거 없는 비방·명예를 훼손하는 게시물

      특정 이용자 및 개인에 대한 인신 공격적인 내용의 글 및 직접적인 욕설이 사용된 경우

      특정 지역 및 종교간의 감정대립을 조장하는 내용

      사실 확인이 안된 소문을 유포 시키는 경우

      욕설과 비어, 속어를 담은 내용

      정당법 및 공직선거법, 관계 법령에 저촉되는 경우(선관위 요청 시 즉시 삭제)

      특정 지역이나 단체를 비하하는 경우

      특정인의 명예를 훼손하여 해당인이 삭제를 요청하는 경우

      특정인의 개인정보(주민등록번호, 전화, 상세주소 등)를 무단으로 게시하는 경우

      타인의 ID 혹은 닉네임을 도용하는 경우

    • 게시판 특성상 제한되는 내용

      서비스 주제와 맞지 않는 내용의 글을 게재한 경우

      동일 내용의 연속 게재 및 여러 기사에 중복 게재한 경우

      부분적으로 변경하여 반복 게재하는 경우도 포함

      제목과 관련 없는 내용의 게시물, 제목과 본문이 무관한 경우

      돈벌기 및 직·간접 상업적 목적의 내용이 포함된 게시물

      게시물 읽기 유도 등을 위해 내용과 무관한 제목을 사용한 경우

    • 수사기관 등의 공식적인 요청이 있는 경우

    • 기타사항

      각 서비스의 필요성에 따라 미리 공지한 경우

      기타 법률에 저촉되는 정보 게재를 목적으로 할 경우

      기타 원만한 운영을 위해 운영자가 필요하다고 판단되는 내용

    • 사실 관계 확인 후 삭제

      저작권자로부터 허락받지 않은 내용을 무단 게재, 복제, 배포하는 경우

      타인의 초상권을 침해하거나 개인정보를 유출하는 경우

      당사에 제공한 이용자의 정보가 허위인 경우 (타인의 ID, 비밀번호 도용 등)

    • ※이상의 내용중 일부 사항에 적용될 경우 이용약관 및 관련 법률에 의해 제재를 받으실 수도 있으며, 민·형사상 처벌을 받을 수도 있습니다.

      ※위에 명시되지 않은 내용이더라도 불법적인 내용으로 판단되거나 메디칼타임즈 서비스에 바람직하지 않다고 판단되는 경우는 선 조치 이후 본 관리 기준을 수정 공시하겠습니다.

      ※기타 문의 사항은 메디칼타임즈 운영자에게 연락주십시오. 메일 주소는 admin@medicaltimes.com입니다.

    등록
    0/300
    등록
    0/300