국내 연구팀이 광음향과 초음파, 인공지능(AI) 기술을 결합한 비침습 검사로 갑상선 결절과 암을 구분하는 방법을 찾아냈다. 갑성선암 조기진단과 조기 치료에 도움이 될 전망이다.
포스텍(총장 김무환)은 김철홍 전자전기공학과·IT융합공학과·기계공학과 교수, 박별리 박사 연구팀이 가톨릭대 서울성모병원 임동준·하정훈 교수 연구팀, 부산대 김지수 교수와 공동으로 실제 갑상선 악성 결절 환자와 양성 결절 환자로부터 광음향 영상을 획득, AI로 분석하는데 성공했다고 30일 밝혔다.
이번 연구는 세계적 권위지 '캔서 리서치'에 게재됐다.
현재 갑상선 결절 환자에 대한 진단은 초음파 영상을 이용한 미세 바늘 흡입 생검(FNAB)을 이용해 수행된다. FNAB 약 20%가 정확하지 않다.
이를 해결하기 위해 빛을 이용해 초음파 신호를 얻는 광음향 영상법이 적용됐다. 레이저를 환자 갑상선 결절에 쬐게 되면 갑상선과 결절 부위에서 초음파 신호가 발생한다. 이 신호를 획득해 처리하면 갑상선과 갑상선 결절 광음향 영상을 얻을 수 있다. 이때 여러 색의 빛을 이용해 광음향 신호를 획득하면 갑상선 및 갑상선 결절 산소포화도 정보를 얻을 수 있다.
연구팀은 악성 결절 산소포화도가 정상 결절 산소포화도보다 낮다는 점에 착안해 갑상선 악성 결절 환자(23명)와 정상(양성), 결절 환자(29명)를 광음향 초음파로 촬영, 영상을 획득하고 분석했다. 다양한 색의 빛을 이용해 환자 갑상선 결절에서 광음향 영상을 얻고 이를 통해 산소포화도 등 정보를 계산했다. 이것을 머신러닝 기법으로 분석해 갑상선 결절이 악성인지 양성인지를 성공적으로 자동 분류했다. 1차 분류 결과 악성을 악성으로 분류하는 민감도가 78%, 양성을 양성으로 분류하는 특이도가 93%를 보였다.
2차로 머신러닝 기법으로 얻어진 광음향 분석 결과와 병원에서 사용되는 초음파 영상 기반 초기 검진 결과를 결합했다. 여기서도 83% 민감도와 93% 특이도로 악성 갑상선 결절을 구분해 낼 수 있음을 확인했다.
김철홍 교수는 “갑상선 결절에 대한 광음향 영상을 획득해 머신러닝 기법을 적용한 악성 결절 분류라는 점에서 가치를 지닌다”며 “갑상선 환자에 대한 초기 검사에서 불필요한 생검을 최소화할 수 있을 뿐 아니라 유방암 등 다양한 암에도 적용될 수 있다”고 말했다.
임동준 서울성모병원 교수는 “광음향 영상을 기반으로 한 초음파기기는 최근 건강검진이나 진료 중에 발견되는 많은 갑상선 결절에서 조직검사 횟수를 줄이고 효과적으로 갑상선암을 진단하는 데 큰 도움이 될 것이다”며, “추가적 임상연구를 통해 많은 갑상선 결절 환자에게 쉽게 적용될 수 있는 의료기기로 개발할 수 있다”고 덧붙였다.
이번 연구는 한국연구재단, 교육부 대학중점연구소지원사업 의료기기혁신센터(MDIC), 과학기술정보통신부 인공지능대학원지원, BK21 FOUR 프로젝트의 지원으로 수행됐다.
포항=정재훈기자 jhoon@etnews.com
