해당 논문에 첨부된 이미지 자료

제이엘케이 최흥국 최고지식책임자(CKO)와 국내 유수 대학의 연구팀이 협업해 SCI급 학술지인 MDPI Cancers에 ‘Region Segmentation of Whole-Slide Images for Analyzing Histological Differentiation of Prostate Adenocarcinoma Using Ensemble EfficientNetB2 U-Net with Transfer Learning Mechanism’ 논문을 출판했다고 밝혔다.

최근 미국 인공지능 연구소 Open AI에서 공개한 챗봇 서비스 ‘Chat GPT’가 연일 세간의 화제를 모으고 있는 가운데 인공지능(AI) 관련 기술이 전 세계적으로 주목되고 있는 만큼 급속도로 발전하는 의료영상분석기술의 흐름에 맞춰 제이엘케이 또한 원천기술을 활용해 연구결과를 지속적으로 세계적인 학술지에 게재하고 있다.

해당 논문은 제이엘케이의 원천기술력을 기반으로 한 전립선암 영상분석 관련 논문으로, 전 세계적으로 암 관련 사망원인 5위에 해당할 뿐만 아니라 남성들에게 가장 흔히 발병되는 질환에 해당하기 때문에 전립선암의 정확한 진단과 예후 효과까지 향상시킬 수 있도록 딥러닝 모델을 구현한 것에 더욱 큰 의미를 가질 것으로 보인다.

또한 전립선암은 70대 이상의 남성에게는 70% 이상의 높은 발병률을 보이고 있으며, 약 10% 정도는 사망까지 이르게 하는 위험한 질환이기 때문에 제이엘케이 최흥국 최고지식책임자(CKO)는 이전부터 이와 관련해 병리학적 관점에서 연구를 진행해왔다고 전했다.

이번에 출판한 논문의 주요 목표는 전립선암 영역의 세분화를 기반으로 병리의사가 진단을 내리는 데 도움을 줄 수 있는 자동 주석 시스템을 구축하는 것에 있다. 생검 조직 이미지에서 종양샘의 성장 패턴을 구별하는 것은 병리의사에게 번거로운 작업이다. 특히 암 진단을 개선하고 병리의사의 업무량을 줄이기 위해서는 첨단 기술 중에서도 딥러닝 기술이 가장 필요하기 때문에 본 연구는 전립선 생검의 전체 슬라이드 영상을 분석하고 딥러닝 기법을 통해 스트로마, 양성, 암 조직 성분을 구별하는 것을 목표로 진행됐다.

최근 딥 러닝을 통한 컴퓨터 지원 탐지의 발전으로 전립선암 또한 다른 의학적 진단과 예후와 마찬가지로 자동으로 탐지하고 높은 정확도로 인식할 수 있지만 연구자들은 여전히 글리슨 스코어 시스템에 의해 제한된다. 적절한 점수를 할당하는 것과 관련된 조직병리학적 분석은 품질과 병리의사의 전문성 수준에 의해 제약을 받는 엄격하고 시간이 소요되는 수동 프로세스다. 이에 따라 본 연구에서는 전체 슬라이드 이미지에서 암 영역과 비암성 영역을 분할하기 위해 조직병리학적 이미지 세트에 대한 전이 학습을 사용하는 인공지능 딥러닝 모델을 구현하게 된 것이다. 제안된 분할 모델의 조작은 병리의사가 전립선암을 예측하는 능력을 향상시키는 전체 슬라이드 이미지에서 암 영역을 격리함으로써 전단 및 예후 효과에까지 긍정적인 영향을 미치게 된다.

제이엘케이 최흥국 최고지식책임자(CKO)는 “인공지능을 통한 딥러닝 연구는 앞으로도 의료계에서 지속적으로 연구 및 발전이 될 것이며 이러한 연구가 상용화를 통해 임상에 적용되어 환자에게 보다 정확한 진단과 예후 개선 측면에서 실질적인 도움이 되기를 바란다“고 말했다.

또한 제이엘케이 김동민 대표는 “제이엘케이의 우수한 인공지능 원천기술을 바탕으로 앞으로도 혁신적인 의료기술을 만들어 많은 분들의 건강한 삶에 도움이 될 수 있게 하겠다”고 밝혔다.

김대성  keilbo@keilbo.com

<저작권자 © 한국교육일보, 무단 전재 및 재배포 금지>