《네이처(Nature)》에 발표된 연구 결과에 따르면 ‘임상 조직병리학 영상 평가 재단(CHIEF)’이라는 이 모델은 다른 딥 러닝 모델보다 암 탐지, 종양 기원 확인, 환자 결과 예측 측면에서 최대 36% 더 효과적인 것으로 나타났다.
이 모델을 개발한 미국 하버드의대 연구진은 ‘치프’가 종양 조직의 디지털 슬라이드를 읽고 이미지의 특징을 기반으로 분자적 프로필을 예측할 수 있다고 밝혔다. 또 환자가 치료에 어떻게 반응할 수 있는지와 관련된 종양의 특징을 식별할 수도 있다.
연구 저자인 하버드의대 블라바트닉 연구소의 생물의학 정보학 조교수인 쿤싱 유 박사는 “이 모델은 1500만 개 이상의 다양한 병리학 이미지로 훈련됐으며, 그런 다음 6만 개 이상의 고해상도 조직 슬라이드 이미지를 사용해 모델을 더욱 개발하고 특정 유전적 및 임상적 예측 작업에 맞게 미세 조정했다”고 말했다.
연구진은 전 세계 24개 병원과 환자 집단의 1만9400개 이상의 이미지로 모델의 성능을 테스트했다. 그 결과 치프는 암세포 탐지, 환자 결과 예측, 종양 기원 및 치료 반응과 관련된 유전적 패턴의 존재를 식별하는 데 있어 다른 AI 진단 방법보다 최대 36% 더 우수한 성과를 냈다. 또 암 탐지에 대한 전반적인 정확도가 거의 94%에 달했으며, 식도, 위, 대장 및 전립선 종양의 경우 96%까지 상승했다.
종양 주변 조직에 대해 더욱 의미 있는 정보도 제공했는데, 여기에는 조기에 사망한 사람에 비해 장기 암 생존자에게 더 많은 면역 세포가 존재한다는 사실이 포함됐다. 연구진은 “종양 세포를 얻고 디지털화하는 데 사용된 기술과 관계없이 성능을 유지할 수 있는 다재다능함을 가지고 있다”며 “기존 방법과 달리 치프는 광범위한 암 유형과 변형을 고려해 임상의에게 암 진단에 대한 정확하고 실시간의 2차 의견을 제공한다”고 말했다.