AI로 대장암 간 전이 치료 예측 정확도 높인다...길병원 최승준 교수, 새 모델 개발

가천대 길병원은 최승준 영상의학과 교수팀이 인공지능(AI) 기반 기계학습 기법인 ‘라디오믹스 모델’을 개발, 대장암에서 간으로 전이된 환자들의 치료 반응과 생존율 예측 정확성을 크게 높였다고 1일 밝혔다.

이 연구 결과는 ‘대한임상종양학회지(Korean Society of Surgical Oncology)’ 최신호에 게재됐다.

현재까지 대장암 간전이(CRLM) 환자의 치료 효과는 주로 '고형 종양 반응 평가 기준(RECIST 1.1)'을 통해 측정됐다. 하지만 이 기준은 종양의 크기 변화에만 초점을 맞추어 종양 내부의 미세한 변화를 제대로 반영하지 못하는 한계가 있었다.

최승준 교수팀은 MRI에서 얻은 정량화된 데이터를 분석하는 '라디오믹스(radiomics)' 기법과 첨단 AI 기계학습 알고리즘을 접목해 종양 내부의 미세한 생물학적 변화를 정밀하게 측정할 수 있는 모델을 개발했다.

연구팀은 외과적 절제가 어려워 표적 항암치료를 받은 대장암 간전이 환자 집단을 대상으로 치료 전후 MRI를 총 3회 촬영한 데이터를 활용했다.

분석 결과, AI 기반 라디오믹스 모델의 종양 치료 반응 예측 정확도는 76.5%에 이르렀으며, 진단 성능 평가의 대표적 지표인 곡선하면적(AUROC) 값도 0.857로 나타났다. 이는 기존 RECIST 모델의 AUROC 값인 0.667보다 현저히 높은 수치로, 라디오믹스 모델이 치료 반응 예측에서 압도적인 우수성을 보였음을 의미한다.

더욱 의미있는 것은 AI 모델이 예측한 치료 반응 결과와 실제 환자들의 생존율 간의 유의미한 연관성이 발견됐다는 것이다. AI 모델이 '질병 진행이 없는(non-progressing)' 그룹으로 분류한 환자들의 중앙 전체 생존 기간(median overall survival, OS)은 평균 17.5개월로, '질병 진행(progressing)' 그룹의 14.8개월보다 더 긴 생존 기간을 보였다.

최승준 교수는 “AI 기반 라디오믹스 모델은 기존 평가 방법보다 훨씬 조기에 환자의 치료 효과를 예측하고, 이를 바탕으로 환자의 맞춤형 치료 전략 수립에 크게 기여할 것”이라며 “앞으로 대규모 임상 연구를 통해 모델을 더욱 정교화하고, 환자 중심의 정밀 의료 실현에 중요한 기반이 될 것으로 기대한다”고 밝혔다