▲ (좌측부터) 서울대 전기정보공학부 이용주 박사, 서울대병원 박정환, 오소희 교수, 

서울대 전기정보공학부 신경섭 연구원, 서울대병원 문경철 교수, 서울대 전기정보공학부 권성훈 교수

서울대학교 공과대학(학장 홍유석)은 전기정보공학부 권성훈 교수가 서울대병원 문경철 교수와의 공동연구를 통해 암 조직 이미지를 세포 간의 그래프인 '암세포 네트워크'로 표현하고 의료진이 해석 가능한 그래프 기반의 딥러닝 기술을 통해 새로운 진단 지표를 발굴했다고 밝혔다.

차세대 암 치료로 각광받고 있는 면역 치료제는 암 조직 내부의 세포 간 상호작용인 암 미세환경에 따라 치료 성공 여부가 결정되며, 최근에는 암 미세환경 자체가 새로운 진단 지표로 활용되고 있다. 이러한 암 미세환경이 의료 현장에서 활용되려면 대량의 데이터에 기반한 검증이 필요하나, 의료진이 해당 데이터를 모두 검증하는 것은 비효율적인 작업에 해당한다.

이를 해결하고자 딥러닝 기술이 도입되었으나 현재 딥러닝 기술은 단순히 국소적인 암세포의 모양만을 학습하고 판단하기 때문에 암 미세환경을 반영하지 못해 의료진이 암 조직을 진단하는 방식과의 괴리가 존재한다는 문제점이 있다.

▲ 암 조직의 네트워크화와 설명 가능한 그래프 딥러닝의 결과

또한 의료 현장에서의 활용을 위해선 의료진이 해석 가능한 데이터로 제공할 수 있어야 하는데 현재 의료진이 해석 가능한 딥러닝 기술은 부재한 상황이다.

이에 공동연구팀은 암 조직상에서 암세포의 모양뿐 아니라 세포 간의 상호작용을 나타낼 수 있는 암세포 네트워크를 제작하고, 세포 간의 상호작용 학습과 해석이 동시에 가능한 그래프 딥러닝 기술을 세계 최초로 개발하였다.

특히, 해석 가능한 그래프 딥러닝 기술을 제안하여 환자의 생존률에 영향을 미치는 암 미세환경을 규명하였고, 이는 실제 의료진들의 해석에 도움을 주었다.

▲ 본 연구를 통해 밝혀낸 혈관 형성과 관련된 진단 지표

실제 서울대병원과의 협업을 통해 암 환자의 생존율을 예측하는 AI를 만들 수 있었으며, AI를 해석해 암 조직 내 혈관 형성과 암세포, 면역 세포 간의 관계성이 생존율 진단 지표가 될 수 있음을 밝힐 수 있었다.

논문의 제1저자인 이용주 박사와 신경섭 석박사통합과정 연구원은 "본 연구에서 개발된 암 세포 네트워크 제작 방식과 그래프 딥러닝 기술은 암 조직뿐만이 아니라 MRI, X-Ray 등 어떤 의료 영상 데이터에도 적용 가능한 획기적인 방식으로, 다양한 의료 영상 데이터에서 중요한 상호작용을 밝히는 데 도움을 줄 것"이라고 말했다.

▲ 암 조직의 그래프화와 진단 지표 발굴의 상상도

논문의 제1저자로 공동연구를 진행한 서울대병원 박정환, 오소희 교수는 "의료진이 해석 가능한 딥러닝 모델이 이전에도 제시된 바 있지만 복잡한 세포 간의 상호작용을 반영하여 진단 지표를 제안한 연구는 이번 연구가 처음이었다. 세포 간의 상호작용과 같은 암 미세환경은 암의 위험도 판단에 중요한 역할을 하는데, 이를 제시할 수 있는 본 모델은 새로운 진단 지표 발굴에 한 획을 그을 수 있을 것이라 기대된다"고 설명했다.

한편, 이번 연구는 세계적 권위의 국제학술지인 네이쳐 바이오메디컬 엔지니어링(Nature Biomedical Engineering)에 2022년 8월 XX일 게재되었으며, 연구수행은 한국연구재단(NRF)의 지원으로 이뤄졌다.