[언론보도] 권성훈 교수, AI가 '암 세포 네트워크' 분석해 생존율 진단(매일경제,2022.08.19)
서울대 공대 권성훈 연구팀
국제 학술지 '네이처' 등재
사진 왼쪽부터 이용주 서울대 전기정보공학부 박사, 박정환 서울대 보라매병원 교수, 오소희 서울대 보라매병원 교수, 신경섭 서울대 전기정보공학부 연구원, 문경철 서울대병원 교수, 권성훈 서울대 전기정보공학부 교수. [사진 제공 = 서울대]
권성훈 서울대 공대 전기정보공학부 교수가 서울의대 문경철, 박정환 교수와의 공동연구를 통해 암 조직 속 세포들 간의 상호작용을 분석해 환자의 생존율을 예측하는 지표를 개발했다고 밝혔다.
19일 세계적 권위의 국제학술지인 네이처 바이오메디컬 엔지니어링에 이 같은 연구결과가 등재됐다. 네이처에 등재된 논문 제목은 '그래프 딥 러닝을 통한 종양의 전체 이미지에서 예후 맥락 조직병리학적 특징의 도출'이다.
연구팀은 지난 2년 간 서울대병원 암 환자 1000여 명과 미국 데이터베이스 상 암 환자 3000~4000여 명을 분석한 결과 생존율이 높은 환자들에게 발견되는 공통적인 특징을 찾아냈다. 암 세포와 면역 세포 간 거리가 비교적 가깝고, 세포들을 연결했을 때 특정한 패턴이 나타난다는 것이다.
연구팀은 암 조직 이미지를 세포 간 패턴을 나타내는 '암세포 네트워크'로 표현하고 이를 의료진이 해석 가능한 그래프로 나타내는 딥러닝 기술을 세계 최초로 개발했다.
실제 서울대병원과의 협업을 통해 암 환자의 생존율을 예측하는 AI를 만들 수 있으며, AI를 해석해 암 조직 내 혈관 형성과 암세포, 면역 세포 간의 관계성이 생존율의 진단 지표가 될 수 있음이 입증됐다.
논문의 제1저자로 공동연구를 진행한 서울대 보라매병원 박정환, 오소희 교수는 "의료진이 해석 가능한 딥러닝 모델이 이전에도 제시된 바 있지만 복잡한 세포 간의 상호작용을 반영하여 진단 지표를 제안한 연구는 이번이 처음"이라며 "세포 간 상호작용과 같은 암 미세환경은 암의 위험도 판단에 중요한 역할을 하는데, 이를 제시할 수 있는 본 모델은 새로운 진단지표 발굴에 한 획을 그을 수 있을 것이라 기대된다"고 설명했다.
논문의 제1저자인 이용주 박사와 신경섭 석박사통합과정 연구원은 "본 연구에서 개발된 암 세포 네트워크 제작 방식과 그래프 딥러닝 기술은 암 조직뿐만이 아니라 MRI, 엑스레이 등 어떤 의료 영상 데이터에도 적용 가능한 획기적인 방식으로, 다양한 의료 영상 데이터에서 중요한 상호작용을 밝히는 데 도움을 줄 것"이라고 말했다.
>>기사 원문 보기
국제 학술지 '네이처' 등재
권성훈 서울대 공대 전기정보공학부 교수가 서울의대 문경철, 박정환 교수와의 공동연구를 통해 암 조직 속 세포들 간의 상호작용을 분석해 환자의 생존율을 예측하는 지표를 개발했다고 밝혔다.
19일 세계적 권위의 국제학술지인 네이처 바이오메디컬 엔지니어링에 이 같은 연구결과가 등재됐다. 네이처에 등재된 논문 제목은 '그래프 딥 러닝을 통한 종양의 전체 이미지에서 예후 맥락 조직병리학적 특징의 도출'이다.
연구팀은 지난 2년 간 서울대병원 암 환자 1000여 명과 미국 데이터베이스 상 암 환자 3000~4000여 명을 분석한 결과 생존율이 높은 환자들에게 발견되는 공통적인 특징을 찾아냈다. 암 세포와 면역 세포 간 거리가 비교적 가깝고, 세포들을 연결했을 때 특정한 패턴이 나타난다는 것이다.
연구팀은 암 조직 이미지를 세포 간 패턴을 나타내는 '암세포 네트워크'로 표현하고 이를 의료진이 해석 가능한 그래프로 나타내는 딥러닝 기술을 세계 최초로 개발했다.
실제 서울대병원과의 협업을 통해 암 환자의 생존율을 예측하는 AI를 만들 수 있으며, AI를 해석해 암 조직 내 혈관 형성과 암세포, 면역 세포 간의 관계성이 생존율의 진단 지표가 될 수 있음이 입증됐다.
논문의 제1저자로 공동연구를 진행한 서울대 보라매병원 박정환, 오소희 교수는 "의료진이 해석 가능한 딥러닝 모델이 이전에도 제시된 바 있지만 복잡한 세포 간의 상호작용을 반영하여 진단 지표를 제안한 연구는 이번이 처음"이라며 "세포 간 상호작용과 같은 암 미세환경은 암의 위험도 판단에 중요한 역할을 하는데, 이를 제시할 수 있는 본 모델은 새로운 진단지표 발굴에 한 획을 그을 수 있을 것이라 기대된다"고 설명했다.
논문의 제1저자인 이용주 박사와 신경섭 석박사통합과정 연구원은 "본 연구에서 개발된 암 세포 네트워크 제작 방식과 그래프 딥러닝 기술은 암 조직뿐만이 아니라 MRI, 엑스레이 등 어떤 의료 영상 데이터에도 적용 가능한 획기적인 방식으로, 다양한 의료 영상 데이터에서 중요한 상호작용을 밝히는 데 도움을 줄 것"이라고 말했다.
>>기사 원문 보기