유방촬영술은 유방암 검진에 있어 가장 기본적인 검사법이지만, 치밀 유방인 경우 암을 놓칠 위험이 있다. 보다 정밀한 진단을 위해 유방초음파 검사를 병행할 수 있다. 다만, 유방초음파 검사는 치료를 필요로 하지 않는 양성종양을 많이 발견하고, 이를 유방암으로 오인할 수 있다. 이때 불필요한 조직검사에 따른 비용이 발생하거나 합병증 위험이 증가한다.
연구에 따르면, 인공지능을 활용하면 초음파검사에서 우연히 발견된 양성 종양이 유방암으로 오인되는 이른바 위양성 진단을 획기적으로 줄일 수 있는 것으로 나타났다.
비결은 인공지능을 활용한 컴퓨터 보조진단 소프트웨어이다. 이 소프트웨어는 다양한 유방 종양의 초음파에서 보이는 형태학적 데이터를 이용하여 학습시킨 프로그램으로 삼성메디슨에서 연구용으로 제공했다.
특히 이 연구에서 발표한 모델은 여러 기관 데이터를 통해 개발되고 검증된 만큼 신뢰도가 높다. 개발에는 세브란스병원과 삼성서울병원을 방문한 299명의 데이터를 활용했고, 검증은 서울대병원을 방문한 164명의 데이터를 통해 진행됐다.
연구자들은 해당 소프트웨어에서 추출한 정량적 지표에 영상의학과 의사의 유방영상판독 및 데이터 체계(BI-RADS) 최종평가, 환자 나이 정보를 모두 통합해 진단모델을 구축했다. 유방영상판독 및 데이터 체계란, 국제적으로 널리 사용되는 통일된 용어와 판정 체계이다.
연구팀은 개발한 진단모델과 기존에 사용되는 유방영상판독 및 데이터 체계의 성적을 비교했다. 검증 단계에서 비교한 결과, 개발한 진단모델의 위양성율은 약 45%(69/155)로 기존 97%(151/155)보다 위양성율이 약 52% 감소했다.
위양성율이 높다는 것은 실제로 음성이지만 양성으로 진단되는 경우가 많다는 뜻이며, 이는 환자에게 혼란과 불안을 주고 불필요한 추가 검사로 인한 의료비 상승을 일으킨다.
또한, 새로운 진단모델 적용을 통해 조직검사율 감소를 유도할 수 있었다. 조직검사는 진찰이나 영상학적 검사에서 의심스러운 병변이 발견되는 경우 시행된다. 기존 유방영상판독 및 데이터 체계를 통해 조직검사가 필요하다고 판단된 병변은 약 98%(160/164)였으나, 진단 모델을 이용하면 조직검사율이 48%(78/164)로 약 50% 감소했다.
서울대병원 장정민 교수는 “영상 의학 분야에서 인공지능은 전문가 판단에 부가적이며 객관적인 의견을 제공해 줌으로써, 진단의 효율과 정확성을 높일 수 있어 활용 가능성이 매우 크다”며 “미래 딥러닝 기반 소프트웨어를 임상에 적용함으로써 검진 유방 초음파 위양성률을 줄이는데 기여할 것으로 기대된다”고 밝혔다.
이번 연구는 서울대병원, 세브란스병원 (김은경, 윤정현 교수), 삼성서울병원 (한부경, 최지수 교수) 이 참여한 연구로 대한유방영상의학회/대한유방검진의학회 다기관 연구지원에 의해 이뤄졌다. 국제 학술지 ‘사이언티픽 리포트(Scientific Reports)’ 최신호에 게재됐다.
romeok@kukinews.com
