포스텍 등 공동연구팀, 세계 첫 '빛·AI'로 갑상선 암 진단

악성갑상선 결절에 레이저 빛을 조사할 때 발생한 광음향 신호를 초음파 센서로 얻고 있다. 포스텍 제공

포스텍(포항공대) 전자전기공학과‧IT융합공학과‧기계공학과 김철홍 교수·박별리 박사 연구팀은 가톨릭대 서울성모병원 임동준 교수‧하정훈 교수 연구팀, 부산대 김지수 교수 등과 공동연구를 통해 갑상선 악성 결절 환자와 양성 결절 환자로부터 광음향 영상을 얻어 인공지능으로 분석한 결과 기존 방법보다 3배 이상 정확한 진단이 가능하다는 사실을 확인했다. 연구성과는 세계적 권위지 '캔서 리서치'에 게재됐다.

연구팀은 광음향 및 초음파와 인공지능 기술을 결합해 비침습 검사로 갑상선 결절과 암을 구분하는 방법을 제안했다는 점에서 의미있다고 평가했다. 전체 갑상선 결절(갑상선 혹) 가운데 5~10%는 갑성선 암으로 진단된다. 하지만 갑상선 암은 생존률이 높고, 재발이 적기 때문에 조기 진단 및 치료가 중요하다.

현재 갑상선 결절 환자에 대한 진단은 초음파 영상을 이용한 미세 바늘 흡입 생검(FNAB)을 이용해 진행된다. FNAB는 20%가량 정확도가 떨어져 불필요한 검사를 반복해야 한다. 이에 연구팀은 빛을 이용해 초음파 신호를 얻는 광음향 영상법을 고안했다.

빛(레이저)을 환자의 갑상선 결절에 쬐게 되면 갑상선과 결절 부위에서 초음파 신호가 발생한다. 이 신호를 획득해 처리하면 갑상선과 갑상선 결절의 광음향 영상을 얻을 수 있다. 이때 여러 색의 빛을 이용해 광음향 신호를 획득하면 갑상선 및 갑상선 결절의 산소포화도 정보를 얻을 수 있다

악성 결절의 경우 산소포화도가 정상 보다 낮게 나타난다는 점을 고려해 머신러닝기법을 통해 악성 및 양성 환자들을 분석했다.

1차 분류에서 악성을 찾아낸 경우는 78%, 양성 확인은 93%에 달했다. 2차에서는 1차 결과와 병원 초음파 영상 기술을 결합해 악성 83%, 양성 93%를 찾아냈다. 이는 기존 방법보다 3배 이상 높은 정확도로, 앞으로 과잉진단 및 불필요한 반복검사를 줄이는데 도움될 전망이다.

포스텍 김철홍 교수는 "연구는 최초로 갑상선 결절에 대한 광음향 영상을 획득해 머신러닝 기법으로 악성 결절을 찾아냈다는 점에서 평가가 높다"며 "앞으로 이 기술은 유방암 등 다양한 다른 암에도 적용할 수 있다는 점에서 기대감이 높다"고 했다.