美 MIT, 췌장암 조기 발견 AI 모델 개발

[디지털비즈온 송민경 기자] 컴퓨터 공학과 AI 개발에 주력하는 매사추세츠 공과대학(MIT) CSAIL 부서의 연구원들은 췌장암을 현재의 진단 기준보다 높은 역치에서 발견할 수 있는 두 개의 기계 학습 알고리즘을 만들었다.

두 모델이 함께 형성되어 "PRISM" 신경망을 만들었습니다. 췌장암의 가장 흔한 형태인 췌관 선암(PDAC)을 구체적으로 발견하도록 설계되었다.

현재 표준 PDAC 선별 기준은 전문의가 검사한 환자에서 약 10%의 사례를 포착합니다. 이에 비해 MIT의 프리즘(PRISM)은 35%의 확률로 췌관선암 사례를 식별할 수 있었다.

진단 분야에서 AI를 사용하는 것이 완전히 새로운 업적은 아니지만, MIT의 PRISM은 그것이 어떻게 개발되었는지 때문에 두드러진다.

신경망은 미국 전역의 의료 기관에서 제공하는 다양한 실제 전자 건강 기록 세트에 접근을 기반으로 프로그래밍되었다.

500만 명 이상의 환자 전자 건강 기록 데이터가 제공되었는데, 연구팀은 이 특정 연구 분야에서 AI 모델에 공급된 정보의 "규모를 능가"했다고 언급했다.

논문의 수석 저자 인 MIT CSAIL 박사인 카이 지아(Kai Jia) 는"이 모델은 일상적인 임상 및 실험실 데이터를 사용하여 예측을 수행하며, 미국 인구의 다양성은 일반적으로 미국의 일부 의료 센터와 같은 특정 지역에 국한된 다른 PDAC 모델에 비해 상당한 발전입니다."라고 밝혔다.

MIT의 PRISM 프로젝트는 6년여 전에 시작되었다. PDAC를 조기에 검출할 수 있는 알고리즘을 개발한 배경에는 대부분의 환자들이 암 발병의 후기 단계에 진단을 받는다는 사실, 특히 약 80%가 너무 늦게 진단된다는 사실과 많은 관련이 있다.

AI는 환자 인구 통계, 이전 진단, 치료 계획의 현재 및 이전 약물 및 실험실 결과를 분석하여 작동한다. 종합적으로 이 모델은 환자의 나이 및 생활 방식에서 명백한 특정 위험 요인과 같은 항목과 함께 전자 건강 기록 데이터를 분석하여 암 발병 확률을 예측한다. 

현재 프리즘 기술은 MIT 연구소와 미국의 일부 환자에게 적용되고 있다. AI 규모를 조정하고 확장하기 위하여 알고리즘에게 더 다양한 데이터 세트와 아마도 심지어 글로벌 건강 프로필을 제공하는 것을 포함할 것이다.

MIT가 암 위험을 예측할 수 있는 AI 모델을 개발한 것은 이번이 처음이 아니다. 특히 유방 X선 사진 기록을 이용해 여성의 유방암 위험을 예측하는 모델을 훈련시키는 방법을 개발했다.

이 연구에서 MIT 전문가들은 데이터가 다양할수록 AI가 다양한 인종과 인구에 걸쳐 암을 진단하는 데 더 효과적이라는 것을 확인했다.

암 확률을 예측할 수 있는 AI 모델의 지속적인 개발은 암을 조기에 발견할 경우 환자의 결과를 향상시킬 뿐만 아니라, 과로한 의료진의 업무량을 줄일 수 있을 것이다.

진단 분야의 AI 시장은 변화의 시기가 너무 무르익어서, 1년 전에 유방암을 진단할 수 있는 AI 프로그램을 개발하고자 했던 IBM과 같은 대형 기술 상업 회사들의 관심을 끌고 있다.