인공지능으로 갑상선암 진단

인공지능(AI)으로 갑상선 암을 가려내는 방법이 개발됐다.

가톨릭대 서울성모병원 내분비내과 임동준, 하정훈 교수 연구팀과 포항공대 전기전자공학과·IT융합공학과·기계공학과 김철홍 교수·박별리 박사, 부산대 김지수 교수 공동연구팀은 광음향 영상을 이용한 인공지능으로 갑상선 결절의 악성과 양성을 구별할 수 있다고 국제학술지 캔서 리서치(Cancer Researc)에 발표했다.

현재 갑상선 결절 진단은 초음파 영상을 이용한 미세침 흡입생검이다. 하지만 부정확 비율이 20%로 불필요한 생검과 진단검사가 반복되는 문제점이 있다.

연구팀이 진단에 이용한 광음향 영상법은 빛(레이저)을 환자의 갑상선 결절에 조사하면 갑상선과 결절 부위에서 발생하는 초음파 신호를 이용한다.

악성 결절의 산소포화도가 정상 결절의 산소포화도보다 낮다는 점에 착안해 초음파 신호에서 광음향 신호를 얻어 갑상선 결절의 산소포화도 정보를 얻었다.

실제로 갑상선결절 악성환자(23명)와 정상(양성) 환자(29명)를 광음향 초음파 영상으로 산소포화도 등의 정보를 머신러닝기법으로 분석한 결과, 1차 분류에서 악성을 악성으로 분류하는 민감도가 78%, 양성을 양성으로 분류하는 특이도가 93%였다.

이어 광음향 분석 결과와 초음파영상의 초기검진 결과를 결합한 2차 분석 결과, 83%의 민감도와 93%의 특이도로 악성 갑상선 결절이 구별됐다. 3차 분석에서 민감도를 100% 유지할 경우 특이도는 55%로, 기존 초음파 분석에 비해 약 3배 높았다.

이에 대해 연구팀은 "악성이 아닌 양성 결절을 양성 결절이라고 제대로 진단할 확률이 3배 이상 높아졌으며, 이는 과잉 진단 및 불필요한 생검과 반복검사를 획기적으로 줄여, 과도한 의료비용을 낮출 수 있음을 보여준다"고 설명했다.

임동준 교수는 "광음향 영상을 기반으로 한 초음파기기는 최근 건강검진이나 진료 중에 발견되는 많은 갑상선 결절에서 조직검사 횟수를 줄이고 효과적으로 갑상선암을 진단하는 데 큰 도움이 될 것"이라고 설명했다.

한편 이 연구는 한국연구재단, 교육부 대학중점연구소지원사업 의료기기혁신센터(MDIC), 과학기술정보통신부 인공지능대학원지원, BK21 FOUR 프로젝트의 지원을 받았다.