전립선암 유전자를 분석하는 글리슨 점수(Gleason)에 전립선 특이 항원(PSA) 결과를 결합해 머신러닝을 시키면 전립선암 재발을 80%의 확률로 예측할 수 있다는 연구 결과가 나왔다.

글리슨 점수나 PSA 단독으로 한계가 있던 재발율을 획기적으로 높일 수 있다는 점에서 향후 더 많은 학습을 진행한다면 임상 적용 가능성이 높다는 것이 전문가들의 의견이다.

현지시각으로 14일 미국병리학회지(The American Journal of Pathology)에는 글리슨 점수와 PSA를 결합한 데이터를 학습한 인공지능의 정확도에 대한 연구 결과가 게재됐다(doi.org/10.1016/j.ajpath.2022.12.013).

전립선암은 전 세계 남성들에게 매우 빈번하게 발생하는 암으로 대체적으로 근치적 절제술이나 방사선 요법으로 치료가 가능한 것으로 보고되고 있다.

하지만 만약 재발이 일어나면 환자의 상태가 급속도로 악화된다는 점에서 재발 관리가 중요한 질환으로 꼽히고 있는 상황.

이로 인해 14개의 통합 유전자 프로파일링을 활용한 글리슨 점수나 전립선 특이 항원 검사(PSA)를 통해 재발 위험을 감지하고 관리하는 것이 표준 검사로 정립돼 있는 상태다.

피츠버그 의과대학 루오(Jian-Hua Luo) 교수가 이끄는 다기관 연구진이 이를 결합한 데이터 세트를 통해 인공지능을 머신러닝 시키고 이에 대한 결과를 분석한 배경도 여기에 있다.

이 두가지 검사가 각각의 장점이 있는 만큼 이를 통합한 분석 모델을 고도화시킨다면 더 높은 확률로 전립선암 재발 위험을 막을 수 있다는 판단에서다.

이에 따라 연구진은 펜실베니아 의대와 위스콘신 의대, 스텐포드 의대에서 각각 수집한 데이터 세트를 통해 인공지능 모델을 개발하고 검증에 나섰다.

이에 따라 연구진은 전립선암 재발 예측을 위한 14개 융합 유전자 조합의 최상 매개 변수를 결정하기로 했다.

여러 머신러닝 알고리즘을 융합해 다양한 방법으로 데이터 세트를 적용한 뒤 최적의 알고리즘을 추출한 것.

그 결과 이 인공지능에 글리슨 점수만 넣었을 경우 재발 예측 정확도는 77.9%를 기록했다. 또한 PSA만 넣으면 74.5%의 정확도로 재발을 예측했다.

또한 글리슨 점수에 최적 알고리즘이 뽑아낸 융합 데이터를 통합하면 80%로 정확도가 올라갔다. 아울러 PSA에 이 융합 데이터를 통합할 경우 75%의 정확도를 보였다.

특히 글리슨 점수에 PSA를 더하고 여기에 최적 알고리즘까지 더할 경우 모든 데이터에서 80% 이상으로 전립선암을 예측하는 성능을 기록했다.

실제 임상 적용에도 무리는 없었다. 이러한 세가지 조합, 즉 글리슨 점수와 PSA, AI의 조합이 암을 비재발로 예측한 경우 81.9%에서 5년간 실제로 재발이 없었다. 하지만 재발을 예측한 경우 환자의 17%만이 재발을 피해갔다.

루오 교수는 "최적 알고리즘을 통한 머신 러닝은 매우 높은 확률로 전립선암 재발을 예측하고 이에 대한 사전 조치를 취할 수 있도록 도왔다"며 "향후 진단 및 치료 계획에 이를 적용한다면 더 많은 생명을 구할 수 있을 것"이라고 밝혔다.