딥바이오(대표 김선우)는 미국 암 연구학회(AACR, American Association for Cancer Research) 연례 학술대회에서 인공지능을 활용한 암 진단 및 바이오마커 정량 분석 관련 최신 연구 성과를 발표한다고 2일 밝혔다.

이번 발표에서는 면역 억제 단백질인 PD-L1(Programmed Death-Ligand 1) 및 세포 증식 및 전이 관련 수용체 단백질인 c-MET의 면역 조직 화학 염색 (Immunohistochemistry, IHC) 이미지의 정량 분석에 대한 것이다.

또한 유방 림프절 동결절편 병리 이미지의 인공지능 기반 진단 등 3건의 연구가 포스터 발표로 진행된다.

이를 통해 딥바이오는 딥러닝 기반 모델이 병리 이미지를 분석해 바이오마커 평가의 정밀도와 재현성을 향상시키고 임상 의사결정에 기여할 수 있다는 것을 강조할 계획이다.

특히 비소세포폐암(NSCLC)을 대상으로 한 연구에서는 PD-L1 염색 강도를 인공지능으로 정량화한 결과 임상에서 판독된 종양 비율 점수(Tumor Proportion Score, TPS)와 AI가 측정한 PD-L1 염색 강도 지표 간에 높은 상관관계가 나타났다.

또한, 비소세포폐암의 대표적인 아형 중에서는 편평세포암(squamous cell carcinoma)보다 선암(adenocarcinoma)에서 PD-L1 염색 강도가 더 강하게 보였다.

이러한 연구 결과는 기존 평가 방식에서 정량적으로 다루기 어려웠던 PD-L1 염색 강도를 AI 기반으로 분석함으로써 향후 IHC 기반 치료 전략의 정밀화에 기여할 수 있음을 시사한다.

또한 c-MET 바이오마커를 대상으로 한 다른 연구에서는 IHC 염색 슬라이드 이미지로부터 추출한 인공지능 기반 H-score (염색 강도와 염색 세포 비율을 종합한 반정량 점수)와 병리의사의 H-score간에 높은 일치도를 보였으며 종양 아형 간 c-MET 단백질 발현 양상의 차이도 정량적으로 분석했다.

이 연구는 인공지능 기술을 사용하여 바이오마커 발현, 세포 형태 등을 식별하고 임상 데이터의 상관관계를 분석할 수 있음을 확인한 것으로 향후 임상적으로 유의미한 잠재적 바이오마커의 탐색에 활용될 것으로 기대된다.

또한 다양한 스캐너로 스캔된 유방 림프절 동결절편 병리 이미지의 암 병변 검출 성능개선을 위해 다중 인스턴스 학습(MIL,Multiple Instance Learning)과 분류모델 분리(classifier-isolate) 학습 방식을 결합한 새로운 방법을 제안했다.

이 연구에서는 MIL을 활용해 서로 다른 스캐너로 촬영된 3만장 이상의 유방 림프절 동결절편 병리 이미지와 슬라이드 단위 진단 정보를 기반으로 파운데이션 특징 추출 모델을 먼저 학습했다.

이 후 제한된 병리 전문의의 주석 데이터를 이용해 동결절편 림프절에 특화된 분류모델(classifier)만을 별도로 학습했다. 이처럼 일반화된 특징과 특화된 분류모델을 결합함으로써 다양한 스캐너 환경에서도 일관된 암 병변 검출이 가능함을 확인했다.

딥바이오의 IHC 이미지 분석 플랫폼인 DeepCDx Membrane IHC는 HER2, PD-L1 등 세포막에서 발현되는 바이오마커의 IHC 염색 이미지에서 암 세포 구획(세포핵, 세포질, 세포막) 수준의 정량적 분석을 수행하는 AI 솔루션이다.

기존 IHC 판독의 관찰자 간 가변성을 줄이고 다양한 분석 수치를 제공해 IHC 분석을 고도화시키는 데에 기여하고 있으며 에이비온과의 협약을 통해 신약 개발을 위한 임상 연구에서 환자 선별 및 약물 반응 예측 연구에 활용될 예정이다.

딥바이오 김선우 대표는 "이번 연구들은 AI가 암 진단에 가져올 수 있는 혁신을 잘 보여준다"며 "딥러닝 기술을 활용한 바이오마커 정량 분석은 보다 정확하고 재현 가능한 진단 결과를 제공해 PD-L1, c-MET, 동결절편 진단의 정밀도를 높이고 임상적 치료 결정에 기여할 것"이라고 말했다.