신장암의 컴퓨터단층촬영(CT) 결과에 딥러닝을 활용해 분석한 결과 딥러닝을 이용한 인공지능은 기존의 병변 발견과 영상진단뿐 아니라 신장암의 조직학적 분류 예측에도 유용한 것으로 나타났다.

분당서울대병원 영상의학과 황성일, 이학종 교수 연구팀은 조영제 주입 전후의 CT 영상정보와 딥러닝 기반 프로그램을 활용해 신장암의 발생 형태에 따른 진단 정확도를 분석해 이 같은 연구결과를 발표했다.

신장암은 말 그대로 신장에 생기는 암으로 신장암 대부분(80~85%)은 신장 실질인 살 부분에서 발생하는 신세포암이 차지한다. 이러한 신세포암은 기원하는 세포의 형태에 따라 ▲투명신세포암 ▲유두신세포암 ▲혐색소신세포암 등으로 분류된다.

신장암을 이렇게 형태에 따라 나누는 이유는 세포에 따라 암이 발생하는 기전이 다를 뿐만 아니라 같은 항암치료제에도 반응하는 양상이 서로 다르기 때문이다. 결과적으로 세포의 발생 형태에 따라, 다른 장기로 전이된 경우 등을 따져 그에 맞는 치료방침이 필요하다.

신장암을 수술할 때는 수술에서 절제한 종양의 조직검사를 통해 어떤 형태의 암인지 분류를 한다. 이는 수술 후 실시하는 검사인만큼 그 결과를 미리 파악해 환자의 예후를 예측하기에는 한계가 있었다.

분당서울대병원 연구팀은 신장암 수술 전 신세포암의 종류나 형태에 따라 분류하고자 딥러닝 프로그램에 CT 영상정보를 대입했고 얼마나 정확하게 진단해 내는지 그 정확도를 분석했다. 연구팀은 수술 후 조직검사를 통해 신세포암으로 진단받은 169명의 환자에 대한 CT 검사결과를 토대로 조영제 주입 전, 조영제 주입 후 1분, 조영제 주입 후 5분 등 총 3개의 영상정보를 하나의 이미지로 정합했다. 해당 이미지를 딥러닝 네트워크(GoogLeNet)를 변형한 소프트웨어에 적용해 어떤 형태의 암으로 진단하는지 확인했다. 최종 조직검사 결과와 얼마나 차이가 있는지 비교했다.

딥러닝 프로그램의 분석결과 평균 정확도는 약 85%인 것으로 확인됐다. 아울러 민감도는 64~98%, 특이도는 83~93%로 나타났다. 민감도는 실제로 질병이 있을 때 질병이 있다고 진단할 확률을 의미한다. 특이도는 실제로 질병이 없을 때 질병이 없다고 진단할 확률이다.

황성일 분당서울대병원 영상의학과 교수는 “기존까지 알려진 바로는 신세포암의 구체적 조직학적 아형에 대해 영상의학과 의사가 예측할 경우 그 정확도가 약 77~84% 사이였다”며 “조영제 주입 전후 다양한 시기의 CT 영상을 조합해 딥러닝 프로그램을 이용하다 보니 기존의 진단 정확도 보다 높아졌음을 확인할 수 있었다”고 전했다.

황 교수는 “수술과 조직검사 시행 전, CT 영상에 대한 분석만으로 신장암의 발생 형태에 따른 분류가 어느 정도 가능해지면서 수술 전 환자의 예후를 예측할 수 있고 또 그에 맞는 치료방침을 정립하는 데에 많은 도움이 될 것”이라고 전했다.