몸속 곳곳에 흩어진 암세포를 인공지능(AI)을 활용해 찾아내는 기술이 개발돼 암 치료 성공률을 높일 수 있을 것으로 기대된다.

서울대 공과대학 전기정보공학부 권성훈 교수 연구팀과 의과대학 문경철·박정환 교수 공동 연구팀은 암 조직의 이미지를 ‘암세포 네트워크’로 표현하고, 의료진이 해석할 수 있는 형태의 진단 지표를 제공하는 AI 딥러닝 기술을 개발했다.

최근 암 치료 방법으로는 ‘면역 치료제’ 투여가 주목받고 있는데, 면역 치료제는 암 조직 내부의 세포 간 상호작용인 ‘암 미세환경’에 따라 치료 성공 여부가 결정된다.

이 때문에 최근 의료 현장에서는 암 미세환경 자체가 새로운 암 진단 지표로 활용되고 있다.

문제는 암 미세환경 정보를 의료진이 진단지표로 활용하기 위해서는 대량의 데이터에 기반한 검증이 필요하다는 점이다.

이를 위해 AI 딥러닝 기술이 도입되기도 했지만, 지금까지는 AI가 국소적인 암세포의 모양만을 학습·판단할 수 있고 의료진이 현장에서 해석 가능한 데이터를 제공하지 못해 큰 도움이 되지 못했다.

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 최초 개발했다고 밝혔다.

특히 해석 가능한 그래프 딥러닝 기술을 제안해 환자의 생존율에 영향을 미치는 암 미세환경을 규명했고, 이는 실제 의료진들의 해석에 도움을 주었다.

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

연구팀은 “암 환자의 생존율을 예측하는 AI를 만들어 이를 해석한 결과, 암 조직 내 혈관 형성과 암세포·면역 세포 간의 관계가 생존율을 진단하는 지표가 될 수 있음을 입증할 수 있었다”고 밝혔다.

그러면서 “본 연구에서 개발된 암세포 네트워크 제작 방식과 그래프 딥러닝 기술은 암 조직뿐 아니라 MRI, X-Ray 등 어떤 의료 영상 데이터에도 적용 가능한 획기적인 방식”이라고 평가했다.

이번 연구 결과는 국제학술지 ‘Nature Biomedical Engineering'에 게재됐다.