-인공지능이 암을 더 빠르고 정밀하게 찾아내 환자별 맞춤 치료 지원-

국립암센터국제암대학원대학교(총장 양한광)는 보건AI학과 데이비드 호(David Ho) 교수 연구팀이 암 진단·치료 분야의 최신 동향을 다룬 리뷰 논문에서 인공지능(AI)을 활용한 정밀 진단·치료의 새로운 가능성을 제시했다고 밝혔다. 연구팀은 AI가 의료진의 경험에 의존하던 기존 방식을 넘어 암 진단과 치료의 패러다임을 바꿀 수 있음을 제시했으며, 논문은 국제학술지 캔서 리서치(IF 16.6) 특별 시리즈 「컴퓨터 연구·데이터 과학·AI로 여는 암 연구의 새로운 발견」에 게재됐다.

정확한 암 진단과 치료는 환자의 생존율을 높이는 핵심 요소다. 하지만 지금까지는 의료진의 숙련도나 해석 차이에 따라 결과가 달라지거나, 방대한 의료 데이터를 환자 맞춤 치료에 충분히 활용하기 어려웠다. 연구팀은 이러한 문제를 해결할 대안으로 AI 기술에 주목했다.

AI는 ‘재현성’과 ‘설명 가능성’ 면에서 임상 현장에서 큰 장점을 가진다. ‘재현성’은 동일한 환자 데이터를 여러 의사가 분석하더라도 결과가 달라지지 않도록 만드는 기능이다. 예를 들어, AI는 전립선 조직검사 이미지를 분석해 동일한 기준으로 암세포 의심 부위를 표시해, 사람마다 다른 진단 결과를 최소화할 수 있다. ‘설명 가능성’은 AI가 어떤 근거로 판단했는지를 보여주는 기능이다. AI는 의료 영상 이미지에서 주목한 부위를 색으로 표시(히트맵)해, 의사가 그 근거를 쉽게 이해하고 신뢰할 수 있도록 돕는다.

현재 AI 기술은 현재 암 진단과 연구 전반에 빠르게 확산되고 있다. ▲의료 영상에서 암의 위치와 경계를 자동으로 인식하고 구분하는 지도학습 기반 기술 ▲일부 데이터에만 정답이 있어도 패턴을 학습해 정확도를 높이는 약지도학습 기술 ▲실제 환자 데이터를 바탕으로 새로운 의료 데이터를 만들어내어 데이터 부족 문제를 해결하는 생성 모델 ▲ 정답이 없는 데이터도 스스로 학습하여, 향후 ‘기반 모델(foundation model)’ 개발의 가능성을 보여주는 자기지도학습 기술 등이 있다.

이러한 기술들은 실제 임상 적용 단계로 빠르게 나아가고 있다. AI는 특히 MRI, CT 등 의료 영상 분석에서 뛰어난 성능을 보이며, 병리학에서는 현미경으로 관찰한 조직 이미지를 정밀 분석해 진단의 정확도를 높이고 새로운 치료 표적(바이오마커)을 찾아낼 수 있다. 더 나아가 ‘다중모달 AI’는 영상, 조직검사, 유전정보, 임상 데이터를 한데 모아 분석함으로써 환자별 예후를 예측하고 맞춤형 치료를 실현할 가능성을 열고 있다.

데이비드 호 교수는 “AI는 단순한 보조 도구가 아니라, 의사에게 근거 기반의 조언을 제공하는 ‘설명 가능한 동료’가 될 수 있다”며 “AI를 활용하면 정확한 진단과 맞춤형 치료가 가능해지고, 의료진의 업무 부담을 줄이는 등 암 환자 치료 성과를 크게 높일 수 있다”고 말했다.

<용어설명>
○ 설명 가능성(Explainability): AI가 내린 판단에 대한 근거를 보여주는 기능
○ 지도학습(Supervised Learning): 라벨이 있는 데이터를 학습해 새로운 데이터를 판단하는 방식
○ 약지도 학습(Weakly Supervised Learning): 약한 라벨(예를 들어 케이스 레벨의 라벨)을 통하여 학습할 수 있는 기술
○ 생성 모델(Generative Model): 실제와 비슷한 새로운 데이터를 생성하는 AI 기법
○ 자기지도학습(Self-Supervised Learning): 라벨 없이 데이터 자체만으로 스스로 학습하는 방법
○ 기반 모델(Foundation Model): 방대한 데이터를 학습해 여러 분야에 적용 가능한 큰 규모의 AI 모델
○ 다중모달 AI(Multimodal AI): 영상, 조직검사, 유전정보 등 다양한 데이터를 한꺼번에 분석하는 AI