AI, 셀리악병 진단에 병리학자 못지않게 능숙하다는 연구 결과 발표

케임브리지 과학자들이 개발한 머신 러닝 알고리즘은 생검 결과를 토대로 100명 중 97명에서 그 사람이 셀리악병을 앓고 있는지 여부를 정확하게 식별할 수 있었다는 새로운 연구 결과가 나왔습니다.

4개의 NHS 병원에서 스캔한 생체검사 결과 약 3,400건을 바탕으로 훈련된 AI 도구는 질병 진단 속도를 높이고, 의료 자원의 부담을 덜어줄 수 있으며, 병리학자가 심각하게 부족한 개발도상국의 진단도 개선할 수 있습니다.

진단 검사의 분석을 가속화하거나 자동화할 수 있는 디지털 도구는 병리학자의 요구를 줄이는 데 실질적인 희망을 보이기 시작했습니다. 이 작업의 상당 부분은 암 탐지에 집중되었지만 연구자들은 다른 유형의 질병을 진단할 수 있는 기회를 모색하기 시작했습니다.

케임브리지 대학의 과학자들이 조사하는 한 가지 질환은 글루텐을 섭취하여 유발되는 자가면역 질환인 셀리악병입니다. 복통, 설사, 피부 발진, 체중 감소, 피로, 빈혈 등의 증상을 유발합니다. 증상은 개인마다 매우 다르기 때문에 환자는 종종 정확한 진단을 받는 데 어려움을 겪습니다.

셀리악병을 진단하는 황금 표준은 십이지장(소장의 일부)의 생검을 통한 것입니다. 그런 다음 병리학자는 현미경이나 컴퓨터에서 샘플을 분석하여 소장 내부를 덮고 있는 작은 털과 같은 돌기인 융모에 손상이 있는지 확인합니다.

종종 미묘한 변화가 있는 생검을 해석하는 것은 주관적일 수 있습니다. 병리학자들은 Marsh-Oberhuber 척도라고 알려진 분류 시스템을 사용하여 사례의 심각도를 판단하는데, 범위는 0(융모가 정상이고 환자가 질병에 걸릴 가능성이 낮음)에서 4(융모가 완전히 평평함)까지입니다.

오늘 New England Journal of Medicine AI 에 게재된 연구에서 , 케임브리지 연구자들은 생검 이미지 데이터를 분류하는 머신 러닝 알고리즘을 개발했습니다. 이 알고리즘은 4개 회사의 5개 스캐너를 사용하여 5개 병원에서 얻은 4,000개 이상의 이미지로 구성된 대규모의 다양한 데이터 세트에서 훈련되고 테스트되었습니다.

케임브리지 대학교 병리학과 및 처칠 칼리지의 수석 저자인 엘리자베스 소일루 교수는 "셀리악병은 100명 중 1명에게 영향을 미치고 심각한 질병을 일으킬 수 있지만 진단을 받는 것은 간단하지 않습니다. 정확한 진단을 받는 데는 수년이 걸릴 수 있으며, 의료 시스템에 엄청난 압박이 가해지는 시기에 이러한 지연은 계속될 가능성이 높습니다. AI는 이 과정을 가속화하여 환자가 더 빨리 진단을 받을 수 있도록 하는 동시에 NHS 대기자 명단의 압박을 덜어줄 수 있는 잠재력이 있습니다."라고 말했습니다.

이 팀은 이전에 보지 못한 출처의 약 650개 이미지의 독립적인 데이터 세트에서 알고리즘을 테스트했습니다. 원래 병리학자의 진단과 비교한 결과, 연구자들은 이 모델이 100건 중 97건 이상에서 진단이 정확했음을 보여주었습니다.

이 모델은 95%가 넘는 민감도를 보였습니다. 즉, 셀리악병이 있는 100명 중 95건 이상을 정확하게 식별했다는 뜻입니다. 또한 특이도는 거의 98%였습니다. 즉, 셀리악병이 없는 100명 중 거의 98건을 정확하게 식별했다는 뜻입니다.

이 팀의 이전 연구에 따르면 병리학자조차도 진단에 대해 의견이 다를 수 있습니다. 100장의 슬라이드를 보여주고 환자가 셀리악병을 앓고 있는지, 그렇지 않은지, 아니면 진단이 불확실한지 진단해 달라고 요청했을 때, 팀은 5건 중 1건 이상에서 의견이 일치하지 않는다는 것을 보여주었습니다.

이번에 연구진은 4명의 병리학자에게 30장의 슬라이드를 검토하게 한 결과, 병리학자 한 명이 AI 모델에 동의하는 비율은 다른 병리학자 한 명과 비슷한 것으로 나타났습니다.

또한 병리학과의 플로리안 재클 박사이자 케임브리지 휴즈 홀의 연구 펠로우는 "AI가 개인이 셀리악병을 앓고 있는지 아닌지를 숙련된 병리학자만큼 정확하게 진단할 수 있다는 것이 처음으로 입증되었습니다. 다양한 조건에서 생성된 데이터 세트로 학습했기 때문에 생체검사가 다르게 처리되고 이미지화되는 광범위한 환경에서 작동할 수 있을 것입니다.

"이것은 진단을 가속화하고 병리학자가 더 복잡하거나 긴급한 사례에 집중할 수 있도록 시간을 확보하는 데 중요한 단계입니다. 다음 단계는 훨씬 더 큰 임상 샘플에서 알고리즘을 테스트하여 이 장치를 규제 기관과 공유할 수 있는 위치에 놓고 NHS에서 이 도구를 사용하는 데 더 가까이 다가가는 것입니다."

연구자들은 Coeliac UK 등을 통해 환자 그룹과 협력하여 자신들의 접근 방식을 공유하고 이러한 기술 사용에 대한 환자 수용성에 대해 논의해 왔습니다.

"환자와 대화할 때, 그들은 일반적으로 셀리악병 진단을 위한 AI 사용에 매우 수용적입니다."라고 Jaeckle 박사는 덧붙였습니다. "이것은 의심할 여지 없이 부분적으로 진단을 받는 데 어려움과 지연에 대한 그들의 경험을 반영합니다.

"환자와 임상의 모두에게 자주 제기되는 한 가지 문제는 '설명 가능성' 문제입니다. 즉, AI가 어떻게 진단에 도달하는지 이해하고 설명할 수 있는 능력입니다. 연구자로서 그리고 규제 기관으로서 우리가 의학 분야에서 AI의 적용에 대한 대중의 신뢰를 확보하고자 한다면 이 점을 염두에 두는 것이 중요합니다."

Soilleux 교수는 Cambridge University Hospitals NHS Foundation Trust의 컨설턴트 혈액병리학자입니다. 그녀는 Dr. Jaeckle과 함께 알고리즘을 상용화하기 위해 분사 회사인 Lyzeum Ltd를 설립했습니다.

이 연구는 Coeliac UK, Innovate UK, Cambridge Centre for Data-Driven Discovery, National Institute for Health and Care Research의 자금 지원을 받았습니다.

Coeliac UK의 연구 책임자인 키이라 셰퍼드는 "진단 과정에서 환자가 정확한 진단을 위해 식단에 글루텐을 유지하는 것이 중요합니다. 하지만 이로 인해 불편한 증상이 나타날 수 있습니다. 그래서 가능한 한 빨리 정확한 진단을 받는 것이 정말 중요합니다.

"이 연구는 진단 여정의 일부를 가속화하는 잠재적인 방법 중 하나를 보여줍니다. Coeliac UK에서 우리는 이 작업의 초기 단계에 자금을 지원하게 되어 자랑스럽게 생각합니다. 이 작업은 처음에는 건강한 대조 생체 검사와 셀리악병 환자의 생체 검사를 구별하는 시스템을 훈련하는 데 중점을 두었습니다. 언젠가 이 기술이 환자가 빠르고 정확한 진단을 받는 데 도움이 되기를 바랍니다."

출처: https://www.sciencedaily.com/releases/2025/03/250327141601.htm