삼차원 병리 데이터 분석을 위한 인공지능 트리아지 프레임워크 트라이케어

주장기존의 이차원 슬라이드 기반 병리 검사는 조직의 공간적 이질성을 충분히 반영하지 못하는 한계가 있습니다. 각 얇은 이차원 단면은 전체 생검 부피의 일프로 미만을 대표하므로 진단 정확도에 공백이 발생합니다.

주장이차원 검사의 공백을 극복하기 위해 삼차원 병리 데이터 분석을 위한 인공지능 트리아지 프레임워크인 트라이케어(TRICARE)가 개발되었습니다. 트라이케어는 방대한 삼차원 데이터를 사람이 직접 검토해야 하는 임상적 부담을 덜어줍니다.

팩트트라이케어는 인접한 깊이 수준의 맥락 정보를 활용하여 조직 부피 내 모든 이차원 단면에 위험 점수를 할당합니다. 이 방식은 단일 이차원 단면만을 기반으로 예측하는 기존 모델보다 뛰어난 성능을 보입니다.

팩트연구진은 전립선암 생검의 위험 계층화와 바렛 식도 내시경 생검의 이형성증 및 암 선별이라는 두 가지 사례를 통해 모델을 검증했습니다. 인공지능이 선별한 삼차원 병리 데이터는 기존 이차원 슬라이드 방식보다 고위험 질환 검출 능력이 높습니다.

팩트전립선 및 식도 모델의 실험을 재현하기 위한 이미지와 주석 데이터는 제노도(Zenodo)를 통해 공개되었습니다. 데이터 접근을 위한 디지털 객체 식별자는 10.5281/zenodo.20052262입니다.

팩트전립선 개발 코호트를 위한 전체 삼차원 병리 데이터셋은 암 영상 아카이브(The Cancer Imaging Archive)에서 확인할 수 있습니다. 추가적인 연구 데이터는 해당 저자에게 요청하여 학술적 목적으로 활용할 수 있습니다.

팩트트라이케어의 소스 코드는 깃허브(GitHub) 저장소(https://github.com/alecgao066/TRICARE)를 통해 공개되어 있습니다. 공개된 소스 코드는 연구자들이 해당 기술을 검증하고 추가 연구에 활용할 수 있도록 돕습니다.

교차검증삼차원 병리 데이터는 매우 방대하고 복잡하여 임상 현장에서 수동으로 검토하는 것은 현실적으로 불가능합니다. 따라서 인공지능을 통한 효율적인 선별 과정이 필수적이며, 최종 진단은 병리 전문의가 수행하여 위험을 최소화합니다.

교차검증트라이케어는 병리 전문의의 업무 부하를 최적화하는 동시에 진단의 정확도를 높이는 것을 목표로 합니다. 다만, 실제 임상 적용을 위해서는 기관별 가이드라인 준수와 추가적인 임상 검증이 필요합니다.

출처네이처 바이오메디컬 엔지니어링(Nature Biomedical Engineering)에 실린 "Deep-learning triage of three-dimensional pathology datasets for comprehensive and efficient pathologist assessments" 논문을 교차 검증했습니다.