최적의 치료를 위해 암의 기원을 찾는 새로운 AI 기술: '중요한 단계'
적은 비율의 암 환자의 경우, 의사는 신체의 어디에서 질병이 시작되었는지 확인할 수 없습니다.
MIT(Massachusetts Institute of Technology)의 연구원들은 미지의 원발성 암(CUP)의 기원을 정확히 찾아내기 위해 환자의 유전 정보를 분석하고 종양이 처음 나타난 곳을 예측하는 인공 지능 모델을 만들었습니다.
네이처 메디신(Nature Medicine)에 발표된 연구에 따르면 연구원들은 원인을 알 수 없는 암 환자 900명에게 새로운 AI 모델을 사용할 때 종양의 최소 40%를 정확하게 분류할 수 있다는 사실을 발견했습니다.
인공 지능(AI)이란 무엇입니까?
이 정보는 의사들이 이러한 암 환자들에게 가장 적합한 표적 치료법을 추천하는 데 도움이 될 수 있다고 연구원들은 말합니다.
“우리 연구는 우리가 개발한 AI 모델인 OncoNPC가 일상적으로 수집된 게놈 데이터를 활용하여 기존에 진단하기 어렵고 치료 옵션이 제한된 알려지지 않은 원발성(CUP) 종양 환자의 임상 의사 결정을 지원할 수 있음을 보여주었습니다. ,” 이 연구의 주저자인 MIT 전기 공학 및 컴퓨터 과학 대학원생 문인태는 Fox News Digital에 말했습니다.
MIT(매사추세츠 공과대학) 연구원들이 유전 정보를 분석해 종양이 처음 나타난 곳을 예측하는 인공지능(AI) 모델을 만들었다. (iStock)
“우리는 CUP 종양이 예측되는 암 유형과 유전적 및 예후적 특성을 공유하고 OnoNPC 예측에 따라 현재 존재하는 치료법의 이점을 누릴 수 있음을 입증했습니다.”
AI 기술은 전신 MRI 스캐너인 EZRA로 증상이 나타나기 전에 암을 잡아냅니다.
연구원들은 또한 암의 기원이 발견되었다면 환자의 15%가 표적 치료를 받을 수 있었다는 것을 발견했습니다.
연구에는 한계가 있었다고 연구자들은 말합니다.
연구진은 AI 모델을 훈련하기 위해 여러 센터의 데이터를 사용했지만 세부 분석에 사용된 임상 데이터는 한 기관에서만 나온 것이라고 문 교수는 지적했다.
이는 결과가 다른 설정에 얼마나 잘 적용되는지를 제한할 수 있습니다.
MIT 연구에서 얻은 정보는 의사들이 암 환자를 위한 최고의 표적 치료법을 추천하는 데 도움이 될 수 있다고 연구원들은 말합니다. (iStock)
문 교수는 “또 다른 한계는 훈련 데이터에 있는 환자의 상당 부분(83.2%)이 백인이었다는 것인데, 이는 도구가 백인 환자들에게 더 정확할 수 있다는 것을 의미할 수 있다”고 문 교수는 말했다.
“다른 인종에 대해서는 여전히 합리적으로 잘 수행되었지만 모델이 다양한 환자 집단에 도움이 되는지 확인하려면 보다 철저한 조사가 필요합니다.”
AI TECH, 방사선과 의사의 눈 움직임 모방해 유방암 진단 목표: ‘중요한 친구’
또한 가장 일반적인 암 유형 중 22개만이 종양 분류에 고려되었습니다. 즉, 종양이 목록에 없는 유형에 속하는 경우 예측이 덜 확실할 수 있습니다.
“모델이 다양한 환자 집단에 혜택을 주고 있는지 확인하려면 보다 철저한 조사가 필요합니다.”
문 대통령은 “더 포괄적인 자료를 수집·수집하면서 이 문제를 점차 해결해 나가길 바란다”고 말했다.
AI는 증상이 나타나기 훨씬 전에 췌장암의 위험을 예측하는 것으로 나타났습니다.
“마지막으로, 우리 연구 결과가 우리 알고리즘에 의해 분류된 CUP 환자가 ‘매칭’ 치료에 대해 더 나은 임상 반응을 보인다는 것을 보여주지만, 이것은 궁극적으로 여전히 후향적 분석입니다.”라고 그는 덧붙였습니다.
“관계가 인과 관계임을 확인하기 위해서는 전향적 무작위 연구가 필요할 것입니다.”
연구자들은 원인을 알 수 없는 암 환자 900명에게 새로운 AI 모델(표시되지 않음)을 사용했을 때 종양의 최소 40%를 정확하게 분류할 수 있음을 발견했습니다. (게티 이미지를 통한 Ariana Lindquist/Bloomberg)
Moon은 연구원들이 OncoNPC를 기존의 암 치료법과 함께 사용할 알고리즘으로 간주한다고 언급했습니다.
“여러 기관에서 연구 결과를 검증하는 것이 중요하며 이는 중요한 다음 단계로 간주됩니다.”라고 그는 말했습니다.
“장기적으로 우리는 이것이 CUP 내의 이질성에 대한 더 많은 연구에 동기를 부여하고 훨씬 더 많은 치료 옵션으로 이어지기를 바랍니다.”
AI 앱은 노년층이 한 장의 사진으로 처방전을 관리하도록 돕습니다: ‘개인 건강 도우미’
연구원들은 앞으로 병리학 이미지 및 임상 노트와 같은 비정형 데이터를 통합하여 AI가 종양에 대한 보다 전체적인 이해를 달성할 수 있기를 희망합니다.
“이 발견은 고무적이며 우리가 그러한 복잡한 사례에 접근하는 방법에 대한 중요한 통찰력을 제공합니다.”
문 교수는 “이는 생존을 직접 예측하고 최적의 치료법을 포함해 다양한 작업에서 잠재적으로 능력을 향상시킬 수 있다”고 말했다.
‘중요한 발걸음’
메릴랜드 주 볼티모어에 있는 Johns Hopkins Carey Business School의 운영 관리 및 비즈니스 분석 교수인 Tinglong Dai 박사는 MIT 연구에 참여하지 않았습니다. 그러나 그는 이 연구가 “원인을 알 수 없는 암 환자를 위한 최적의 치료 계획을 확인하기 위한 중요한 단계”라고 말했다.
연구원들은 또한 암의 기원이 발견되었다면 환자의 15%가 표적 치료를 받을 수 있었다는 것을 발견했습니다. (iStock)
그는 Fox News Digital과의 인터뷰에서 “이번 연구 결과는 고무적이며 우리가 그러한 복잡한 사건에 접근하는 방법에 대한 중요한 통찰력을 제공합니다.”라고 말했습니다.
“그러나 연구의 회고적 특성은 실제 성능을 평가하기 위해 현장 연구를 통해 추가 검증이 필요하다는 것을 의미한다는 점에 유의해야 합니다.”
현실 세계에서 이 접근 방식을 사용하는 것과 관련하여 Dai는 의사가 일상 업무에서 이러한 모델을 통합하고 사용하는 방법이 중요한 요소라고 말했습니다.
“모델의 수용과 효과적인 통합은 증거를 실행 가능한 전략으로 변환하는 데 중요할 것”이라고 그는 말했습니다.
Dai는 병리학 이미지와 같은 구조화되지 않은 데이터를 통합하면 더 많은 정보 계층을 추가하고 예측 정확도를 높일 수 있다고 반복했습니다.
그는 “여러 데이터 소스를 통합하면 거의 확실히 더 강력한 접근 방식이 될 것입니다.”라고 덧붙였습니다.
댓글 없음
아름다운 덧글로 인터넷문화를 선도해 주세요