김철홍 교수·박별리 박사 연구팀
광음향 영상에 머신러닝 기법 적용
악성·양성 3배 더 정확하게 진단

김철홍 교수, 박별리 박사

국내 연구팀이 비침습 검사로 갑상선 결절과 암을 구분하는 방법을 제시해 눈길을 끌고 있다. 악성과 양성을 기존보다 3배나 더 확실하게 구분해낼 수 있게 됐다.

포항공과대학교(POSTECH) 김철홍 교수, 박별리 박사 연구팀은 가톨릭대 서울성모병원 등과의 공동연구를 통해 실제 갑상선 악성 결절 환자와 양성 결절 환자로부터 광음향 영상을 획득, 인공지능으로 분석했다고 30일 밝혔다.

갑상선에 혹이 생기는 것을 갑상선 결절이라고 한다. 전체 갑상선 결절의 5∼10%는 갑성선 암으로 진단된다. 갑상선 암은 치료 예후가 좋아 생존률도 높고, 재발도 적기 때문에 조기진단과 조기 치료가 특히 중요하다.

갑상선 결절 환자에 대한 진단은 초음파 영상을 이용한 ‘미세 바늘 흡입 생검(FNAB)’기술이 주를 이룬다. 하지만 이 기술은 약 20% 정도가 부정확하다는 보고가 있으며, 그로 인해 불필요한 검사가 반복되는 문제가 있다.

문제 해결을 위해 연구팀은 우선 빛을 이용해 초음파 신호를 얻는 광음향 영상법을 이용했다. 빛(레이저)을 환자의 갑상선 결절에 쬐게 되면 갑상선과 결절 부위에서 초음파 신호가 발생한다. 이 신호를 획득해 처리하면 갑상선과 갑상선 결절의 광음향 영상을 얻을 수 있다. 여러 색의 빛을 이용해 광음향 신호를 획득하면, 갑상선 및 갑상선 결절의 산소포화도 정보를 얻을 수 있다.

 

추가로 갑상선 악성 결절과 정상 결정이 산소포화도가 다르다는 점에 착안해 실험을 진행했다. 환자들을 대상으로 얻은 정보를 머신러닝 기법으로 분석한 결과, 갑상선 결정이 악성인지 양성인지를 자동 분류했다. 이 방법을 사용하면 기존 초음파를 이용한 갑상선 결절 검사보다 약 3배나 정확하게 진단할 수 있다. 연구팀은 과잉 진단 및 불필요한 생검과 반복검사를 획기적으로 줄여, 과도한 의료비용을 낮출 수 있음을 보여주는 사례라고 설명했다.

김철홍 포항공대 교수는 “이 연구는 최초로 갑상선 결절에 대한 광음향 영상을 획득해 머신러닝 기법을 적용한 악성 결절 분류라는 점에서 가치를 지닌다”며 “이 연구결과를 볼 때, 갑상선 환자에 대한 초기 검사에서 불필요한 생검을 최소화할 수 있을 뿐만 아니라, 이 기술은 유방암 등 다양한 다른 암에도 적용될 수 있다”고 말했다.

공동연구를 수행한 임동준 서울성모병원 교수는 “광음향 영상을 기반으로 한 초음파기기는 최근 건강검진이나 진료 중에 발견되는 많은 갑상선 결절에서 조직검사 횟수를 줄이고 효과적으로 갑상선암을 진단하는 데 큰 도움이 될 것”이라며 “추가적 임상연구를 통해 많은 갑상선 결절 환자에게 쉽게 적용될 수 있는 의료기기로 개발할 수 있다”고 덧붙였다.

이번 연구는 세계적 권위지 ‘캔서 리서치(Cancer Research)’에 게재됐다.

/이바름기자 bareum90@kbmaeil.com

저작권자 © 경북매일 무단전재 및 재배포 금지