하버드, 19종 암 파악 '치프' 개발
1500만개 타일이미지 훈련 받아
부작용 예측 등 추가 교육 목표
1500만개 타일이미지 훈련 받아
부작용 예측 등 추가 교육 목표
고도화된 인공지능(AI)을 기반으로 한 암 진단 시장이 빠른 성장세를 이어가고 있다. 생성형 AI를 암 진단 분야에 속속 적용해 암 탐지 정확도를 96% 수준까지 끌어 올리면서 AI 암 진단 시대가 현실화되고 있다.
8일 네이처 등에 따르면 하버드 의과대학 연구진은 AI를 통해 19종의 암 유형을 파악할 수 있는 '치프(CHIEF)'라는 모델을 새롭게 선보였다.
치프는 1500만개의 생체이미지의 조각, 즉 타일 이미지로 훈련됐다. 이후 폐, 유방, 전립선, 대장, 위, 식도 등의 조직에 대한 6만개의 조직 슬라이드 이미지를 활용해 추가로 학습됐다.
연구진은 AI 모델 치프가 종양 조직의 디지털 슬라이드를 읽고 이미지 특징을 기반으로 분자적 프로필을 예측할 수 있다고 설명했다.
이 연구의 논문은 네이처에 게재됐는데, 저자인 하버드 의대 블라바트닉 연구소의 생물의학 정보학 조교수인 쿤싱 유 부교수는 "광범위한 암 진단 작업을 수행할 수 있는, 챗GPT 같은 AI 플랫폼을 만드는 것이 목표였다"고 말했다.
쿤싱 유 박사는 "치프가 이미지의 특정 부분과 전체 이미지를 모두 살펴보도록 훈련시킴으로써 한 영역의 특정 변화를 전체 맥락과 연관시킬 수 있었다"며 "이러한 접근 방식을 통해 암 검출, 종양 기원 예측, 생존 예측 등 광범위한 병리 평가 작업에서 치프의 성능을 평가했다"고 했다.
연구진은 치프를 훈련 시킨 후 전 세계 24개 병원과 환자 집단의 1만9400개 이상의 이미지로 성능을 테스트했다. 평가 결과 해당 모델은 암 세포 검출, 종양 기원 식별, 환자 결과 예측, 치료 반응과 관련된 유전자 및 DNA 패턴의 존재를 식별하는 데 다른 AI 진단 방법보다 최대 36% 더 우수한 성과를 보였다.
암 탐지 부문에서는 정확도가 94%로 나타났다. 식도, 위, 대장 및 전립선 등 특정 암 유형의 경우 정확도가 96%까지 높아졌다.
연구진은 "향후 치프의 성능을 개선하고 기능을 증강시키는 작업에는 희귀 질환 및 비암성 질환의 조직 이미지와 세포가 완전히 암이 되기 전의 상태의 샘플에 대한 추가 훈련을 수행하는 것이 포함될 것"이라며 "암의 표준 치료법 외에도 새로운 암 치료법의 이점과 부작용을 예측하도록 치프를 추가로 교육시키는 것이 목표"라고 밝혔다.
이와 관련, 국내 AI 의료 기업들의 잇단 AI 암 진단 솔루션의 국내외 허가를 비롯해 암 진단 시장에서 AI를 활용하는 사례가 계속해서 늘어나면서 관련 업계에서는 기대감이 커지고 있다.
실제 챗GPT 운영사 오픈AI도 헬스케어 스타트업 컬러헬스와 손잡고 의료 서비스 시장 진출을 앞두고 있다. 오픈AI는 컬러헬스의 의료 AI 어시스턴트 코파일럿을 통해 암 진단을 받은 환자의 서류작업부터 검진까지 효율적인 암 진료를 돕는다는 계획이다.
글로벌 시장조사기관 그랜드뷰리서치에 따르면 AI를 통한 암 진단 시장 규모는 2023년 기준 1억9390만달러로 추산된다. 아직은 개화 단계이지만 연평균 26.3%의 빠른 속도로 불어나 2030년에는 9억9610만달러로 확대될 것으로 예상된다.
이미선기자 already@dt.co.kr
[ 저작권자 ⓒ디지털타임스, 무단 전재 및 재배포 금지 ]
