간암 환자의 수술 중 복강경 영상을 분석해 간 섬유화 정도를 예측하는 인공지능(AI) 모델이 개발됐다. 연구팀은 외과의 경험에 의존하던 간 표면 평가를 객관화할 가능성을 제시했다고 설명했다.

삼성서울병원 이식외과 최규성·오남기 교수와 AI연구센터 유학제 박사 연구팀은 2019년 12월부터 2022년 3월까지 삼성서울병원에서 복강경 간절제술을 받은 간암 환자 103명을 분석해 간 섬유화 예측 AI 모델을 개발했다고 밝혔다.

연구 결과는 네이처(Nature) 계열 국제학술지 <Scientific Reports> 최근호에 게재됐다.

간암 수술에서는 간 섬유화나 간경변 여부에 따라 절제 범위와 수술 방법이 달라질 수 있어 간 상태 평가가 중요하다. 그러나 기존 혈액검사나 CT·MRI 기반 평가는 정확도에 한계가 있었고, 조직검사는 침습적이라는 문제가 있었다.

현재는 외과의가 수술 중 간 표면의 색상 변화나 울퉁불퉁한 정도 등을 직접 관찰해 판단하는 경우가 많다. 다만 이러한 방식은 경험에 따른 차이가 존재한다는 한계가 있었다.

연구팀은 복강경 수술 중 촬영된 HD 영상을 기반으로 딥러닝 모델을 학습시켰다. 이미지넷(ImageNet)으로 사전 학습된 AI 모델을 간 섬유화 분석에 맞게 재학습하는 방식이다. AI는 간 표면의 불규칙성, 색상 변화, 표면 결(texture) 등을 자동으로 분석하도록 설계됐다.

그 결과 AI 모델은 심한 간 섬유화를 예측하는 데 AUROC 0.927의 성능을 보였다. 이는 숙련 외과의(0.844), 비숙련 외과의(0.808), 혈액검사 기반 지표인 APRI(0.680), FIB-4(0.670)보다 높은 수준이었다.

연구팀에 따르면 외과의들은 간 섬유화 환자를 찾아내는 민감도는 95% 이상으로 높았지만, 정상 간을 구분하는 특이도는 61.1~67.8% 수준이었다. 반면 AI 모델은 민감도 91.8%, 특이도 91.0%를 기록했다.

최규성 교수는 “이번 연구는 수술 중 외과의 경험에 의존하던 간 섬유화 평가를 AI 기반으로 객관화하려는 시도”라며 “향후 간암 환자의 수술 전략 수립에 도움을 줄 가능성을 제시했다”고 말했다.

다만 이번 연구는 단일기관에서 진행된 후향적 연구로, 외부 검증 데이터 없이 내부 교차검증 방식으로 수행됐다. 연구팀은 실제 임상 적용을 위해서는 추가적인 다기관 검증이 필요하다고 설명했다.

한편, 이번 연구는 삼성서울병원 Future Medicine 2030 프로젝트와 한국연구재단 지원을 받아 수행됐다.