방사선 치료에서 정밀성은 생명을 구할 수 있다. 종양 전문의는 건강한 조직은 보존하면서 암세포를 파괴하기 위해 고선량 방사선을 조사하기 전에 종양의 크기와 위치를 신중하게 파악한다. 하지만 종양 분할이라고 불리는 이 과정은 여전히 수작업으로 이루어지고 시간이 오래 걸리며 의사마다 차이가 있어 중요한 종양 부위를 간과할 수 있다. 최근 대규모 연구에 따르면, 노스웨스턴 의대 과학팀이 iSeg라는 AI 도구를 개발했다. 이 도구는 CT 스캔에서 폐종양을 정확하게 묘사할 뿐만 아니라 일부 의사가 놓칠 수 있는 부위를 식별할 수도 있다.

정적 이미지에 초점을 맞춘 이전의 AI 도구와 달리 iSeg는 호흡할 때마다 움직이는 종양을 세분화하는 최초의 3D 딥 러닝 도구다. 이는 미국 암 환자의 절반이 투병 중에 받는 방사선 치료를 계획하는 데 중요한 요소이다.

“우리는 10년 전만 해도 누구도 상상하지 못했던 것보다 훨씬 더 정확한 암 치료법에 한 걸음 더 다가갔습니다. 이 기술의 목표는 의사들에게 더 나은 도구를 제공하는 것입니다.”라고 노스웨스턴 대학교 로버트 H. 루리 종합 암 센터의 일원이자 암 치료를 개인화하고 개선하기 위한 데이터 기반 도구를 개발하는 연구팀을 이끄는 아바지드는 말한다..

해당 연구는 지난 6월 30일 npj Precision Oncology 저널에 게재되었다.

iSeg가 어떻게 구축되고 테스트되었나
노스웨스턴 대학 과학자들은 노스웨스턴 메디슨과 클리블랜드 클리닉 의료 시스템 내 9개 병원에서 치료받은 수백 명의 폐암 환자의 CT 스캔 데이터와 의사가 직접 작성한 종양 윤곽선을 사용하여 iSeg를 훈련시켰다. 이는 과거 많은 연구에서 사용된 소규모 단일 병원 데이터세트를 훨씬 뛰어넘는 수치다.

AI는 훈련 후 이전에는 접하지 못했던 환자 스캔 영상에서 테스트를 거쳤다. AI가 그린 종양 윤곽선은 의사가 작성한 윤곽선과 비교되었다. 연구 결과, iSeg는 병원과 스캔 유형 전반에 걸쳐 전문가 윤곽선과 일관되게 일치하는 것으로 나타났다. 또한 일부 의사가 놓친 추가적인 영역도 표시해 주었는데, 이러한 영역은 치료하지 않을 경우 더 나쁜 결과를 초래할 수 있다. 이는 iSeg가 종종 간과되는 고위험 영역을 포착하는 데 도움이 될 수 있음을 시사한다.

아바지드는 “정확한 종양 타겟팅은 안전하고 효과적인 방사선 치료의 기초이며, 타겟팅에서 작은 오류라도 종양 제어에 영향을 미치거나 불필요한 독성을 유발할 수 있습니다.”라고 말했다.

“우리의 AI 도구는 종양 윤곽을 자동화하고 표준화함으로써 지연을 줄이고, 병원 간 공정성을 보장하며, 의사가 놓칠 수 있는 영역을 잠재적으로 식별하여 궁극적으로 환자 치료와 임상 결과를 개선하는 데 도움이 될 수 있습니다.”라고 노스웨스턴에서 인공지능 분야 석사 학위를 취득한 파인버그의 수석 연구 기술자인 사그닉 사르카르가 첫 번째 저자로 덧붙여 말했다.

2년 내 임상 배포 가능
연구팀은 현재 임상 환경에서 iSeg를 테스트하고 있으며, 실시간으로 의사의 성능과 비교하고 있다. 또한 사용자 피드백과 같은 기능을 통합하고 간암, 뇌암, 전립선암 등 다른 종양 유형으로 기술을 확장하기 위해 노력하고 있다. 연구팀은 또한 iSeg를 MRI 및 PET 스캔을 포함한 다른 영상 검사법에도 적용할 계획이다.

“이것은 방사선 종양학에서 종양을 표적으로 삼는 방법을 표준화하고 향상할 수 있는 기초 도구가 될 것으로 예상합니다. 특히 하위 전문 지식에 대한 접근이 제한적인 환경에서 더욱 그렇습니다.”라고 파인버그의 방사선 종양학 강사이자 공동 저자인 트로이 테오가 말했다.

테오는 “이 기술은 여러 기관에서 보다 일관된 치료를 지원하는 데 도움이 될 수 있으며, 몇 년 안에 임상 배포가 가능할 것으로 믿습니다.”라고 덧붙였다.

이 연구의 제목은 ‘방사선 치료에서 자동화된 동작 기반 종양 분할을 위한 딥 러닝’이다.

참조:
Sagnik Sarkar, P. Troy Teo, Mohamed E. Abazeed. Deep learning for automated, motion-resolved tumor segmentation in radiotherapy. npj Precision Oncology, 2025; 9 (1) DOI: 10.1038/s41698-025-00970-1