위양성(가짜양성)률, 조직검사율 대폭 낮춰
한국인들에게 많이 발생하는 호발암은 위암, 대장암, 폐암. 유방암, 간암 등이다. 이 중 유방암을 제외한 암들은 2011년 이후 발생이 점차 감소하고 있는 반면 한국 여성의 유방암 증가율은 세계 1위로 2000년대 초반 여성 인구 10만명당 25~26명 수준이었다가 2016년에 인구 10만명 당 60명 수준으로 1999년 이후 계속 증가하고 있다.
유방암은 보통 유방촬영술과 유방초음파로 진단하는데, 치밀 유방(유방에 지방 조직이 적고 유선 조직의 양이 많은 상태)의 경우 유방촬영술로는 암을 발견하지 못할 위험이 있다. 유방초음파는 정밀한 진단이 가능해 암을 찾아낼 확률이 90% 이상이지만, 치료하지 않아도 되는 양성종양을 유방암으로 오인할 수 있고, 합병증 위험이 증가하고, 아직 보험급여가 적용되지 않아 비용이 많이 발생한다.
국내 연구진이 유방암 위양성(false positive, 가짜 양성) 진단을 대폭 줄일 수 있는 진단 기술을 개발했다.
서울대병원 영상의학과 장정민·김수연 교수팀은 인공지능(AI)이 적용된 초음파검사를 통해 유방병변을 더 정확하게 감별할 수 있는 진단모델을 개발했다고 27일 밝혔다.
이 진단모델을 활용하면 초음파검사에서 발견된 양성종양이 유방암으로 오인되는 위양성 진단을 획기적으로 줄일 수 있는데, 핵심은 인공지능을 활용한 컴퓨터 보조진단 소프트웨어로 이것은 초음파 검사에서 발견되는 다양한 유방 종양의 형태학적 데이터를 딥러닝 기술로 프로그램에 학습시킨 프로그램이다.
이번 진단모델 개발에는 세브란스병원과 삼성서울병원 내원환자 299명의 데이터를 활용됐고, 검증은 서울대병원 내원환자 164명의 데이터를 통해 진행됐다.
연구팀은 새로운 진단모델과 기존에 사용되는 유방영상판독 및 데이터 체계의 성적을 비교했다. 검증 단계에서 비교한 결과, 개발한 진단모델의 위양성율은 약 45%(69/155)로 기존 97%(151/155)보다 약 52% 감소했다. 실제로는 음성이지만, 양성으로 진단되는 경우가 대폭 줄어든 것이다.
또한 기존 유방영상판독 및 데이터 체계를 통해 조직검사가 필요하다고 판단된 병변은 약 98%(160/164)였으나 새로운 진단 모델을 이용하면 48%(78/164)로 약 50% 감소했다.
서울대병원 장정민 교수는 “영상 의학 분야에서 인공지능은 전문가 판단에 부가적이며 객관적인 의견을 제공해 줌으로써 진단의 효율과 정확성을 높일 수 있어 활용 가능성이 매우 크다”며 “미래 딥러닝 기반 소프트웨어를 임상에 적용함으로써 검진 유방 초음파 위양성률을 줄이는데 기여할 것으로 기대된다”고 밝혔다.
이번 연구는 대한유방영상의학회와 대한유방검진의학회 다기관 연구지원으로 진행됐다. 국제 학술지 ‘사이언티픽 리포트(Scientific Reports)’최신호에 실렸다.