딥러닝 모델로 뇌 교모세포종 유전자 변이 상태 예측

세브란스병원 데이터, IDH 유전자 변이 상태 예측 정확도 93.8%

의대 이승구, 최윤성(영상의학), 장종희 교수(신경외과학) 연구팀이 수술 전 시행한 뇌 MRI를 이용해 뇌 교모세포종의 IDH(Isocitrate dehydrogenase) 유전자의 변이 상태를 예측할 수 있는 자동화된 딥러닝 모델을 발표했다. 

해당 연구는 ‘Fully automated hybrid approach to predict the IDH mutation status of gliomas via deep learning and radiomics’라는 제목으로 국제 학술지 ‘Neuro-Oncology(IF: 10.247)’에 최근 게재됐으며, 생물학연구정보센터(BRIC)의 ‘한국을 빛낸 사람들’ 논문으로 선정됐다.

연구팀은 3개 연구기관(세브란스병원, 서울대병원, The Cancer Imaging Archive[TCIA]) 1,166명의 뇌 교모세포종 환자를 대상으로, 세브란스병원 데이터를 기반으로 자동화된 IDH 상태 예측모델을 트레이닝한 후 3개 데이터셋에 테스트를 시행했다. 기존의 CNN(Convolution Neural Networks)이 이미지 픽셀 값만을 이용하는 것과 달리, 본 연구에서는 MRI상의 2차원 종양 이미지, 3차원적 종양 위치, 모양 정보를 모두 이용해 예측 정확도를 높였으며, Grad CAM(Gradient-Weighted Class Activation Mapping) 기법으로 모델이 유전자 변이 상태를 예측하는 데 있어 이미지의 어떤 부분이 중요한지 해석했다. 

모델을 검증한 결과 세브란스병원 데이터에서는 93.8%의 높은 IDH 유전자 변이 상태 예측 정확도를 얻었다. MR 기종은 다르지만, 영상 프로토콜 및 환자군이 세브란스병원 데이터와 유사한 서울대병원 데이터에서는 87.9%, 그리고 MR 기종, 영상 프로토콜 및 환자군 구성이 다소 상이한 TCIA 데이터에서는 78.8%의 정확도를 보였다. CAM(Class activation map)에서는 딥러닝 모델로 IDH 변이 상태 예측에 중요한 부위는 종양의 경계 부위, 조영증강 여부 등으로 관찰됐으며 기존 연구 결과와 유사했다. 

최윤성 교수는 “인력 및 딥러닝 모델 개발 여건의 부족을 고려하면, IDH 예측모델을 임상에 적용할 때 자동화된 모델을 큰 규모의 병원에서 개발하고, 이 모델을 다른 병원에서 도입해 쓰는 것이 가장 현실적이다. 본 연구는 영상 프로토콜 및 환자 구성의 유사도에 따라 이러한 외부 딥러닝 모델의 도입이 어느 정도 성능을 발휘할 수 있음을 시사한다.”라고 말했다.