이비인후과 김철호 교수와 방사선종양학과 허재성 교수는 인공지능 학습용 데이터셋 사업의 일환으로 구축한 12,400장의 구강 내시경 이미지를 이용해, 구강암을 진단하는 인공지능 모델을 개발했다고 밝혔다.

구강암은 우리나라 전체 암 발생 10위지만 먹고 말하는 데 필요한 혀, 볼 점막, 잇몸, 입술, 턱뼈 등에 생겨 삶의 질을 크게 좌우하고, 진행성 병기에 발견될 경우 치료를 하더라도 심각한 합병증과 후유증이 발생해 치료 예후가 나쁜 매우 까다로운 암 중 하나로 손꼽힌다.

구강암 진단은 비교적 간편하고 적은 비용의 구강 내시경 검사를 통해 가능하지만, 내시경검사결과를 정확하게 판독할 수 있는 두경부암 전문의가 부족하다.

이에 이번 진단 모델의 정상-암 분류 성능 지표(AUROC)와 진단 정확도가 내부 검증 데이터의 경우 각각 96.0%, 91.0%였으며, 외부 검증 데이터의 경우 89.5%, 83.0%로 이번에 개발된 인공지능 모델은 구강암에 대한 일반화된 패턴을 도출하여 높은 진단 성능을 보였다는 점에서 주목된다. 정상-암 분류 성능 지표는 구강 내시경 이미지를 보고 암과 정상을 얼마나 정확하게 구별하는지 평가하는 지표다.

또 최근 인공지능 분야에서 문제 제기되고 있는 데이터 질에 대해 공신력 있는 한국정보통신기술협회(TTA)로부터 검증을 받았다.

연구팀은 정확도와 실제 임상 적용 가능성을 확인하기 위해 △인공지능 모델 △일반의(의사) △두경부암 전문의 총 3개 그룹으로 나눠 암 진단을 시뮬레이션한 결과 민감도가 각각 81.1%, 77.3%, 91.7%였으며, 정확도는 84.7%, 75.9%, 91.2%로 두경부암 전문의, 인공지능 모델, 일반의(의사) 순으로 정확하게 구강암을 진단했다.

이에 이번 인공지능 진단 모델이 1차 의료기관의 구강암 진단 및 스크리닝을 높일 수 있는 보조도구로 사용 가능함을 입증했다고 연구팀은 설명했다.

김철호 교수는 “구강암 환자의 경우 통증이 심해지기 전까지 병원을 방문하지 않아 치료 시기를 놓치는 경우가 많다. 치료 시기를 놓칠 경우 치료 예후가 매우 불량한 구강암의 조기 진단을 위해 이번에 개발한 인공지능 모델을 탑재한 구강암 진단 및 관리 플랫폼 개발에 주력할 것”이라고 밝혔다.

허재성 교수는 ”구강 내시경 이미지는 기존의 CT, MRI 등의 표준화된 이미지와 달리 비정형성을 가지고 있어 인공지능 모델 개발이 어려웠으나, 데이터 전처리 과정에서 표준화 알고리즘을 적용하는 등 양질의 데이터 구축을 통해 실용화·상용화가 가능한 인공지능 모델을 개발했다“고 말했다.

한편 이 논문 ‘Deep learning model for tongue cancer diagnosis using endoscopic images(내시경 영상을 이용한 설암 진단을 위한 딥러닝 모델)’는 2022년 4월 국제학술지 Scientific reports에 게재됐다.