딥바이오는 지난 7일 유방암 수술 후 체취한 검체에서 침윤성 유방암(invasive ductal carcinoma, IDC)의 병변과 비침윤성 상피내암( ductal carcinoma in situ,DCIS)의 병변을 분할해 암종을 식별하는 유방암 분석 AI 알고리즘 성능 평가 연구 결과를 발표했다고 21일 밝혔다.

가톨릭대 부천성모병원 진민선 교수, 고대 구로병원 김정렬 교수 등과 함께 공동 수행한 해당 연구는 바이오 엔지니어링 분야의 저명한 학술지인 MDPI Bioengineering의 특별호 'Computational Pathology and Artificial Intelligence'에 게재됐다.

연구자들은 헤마톡실린과 에오신(H&E)으로 염색된 유방암 병리 슬라이드 이미지를 활용해 유방암 병변을 사용자에게 자동으로 제공하는 유방암에 대한 다중 해상도 선택적 분할 모델 (MurSS: A Multi-resolution Selective Segmentation Model for Breast Cancer)을 제안했다.

이 모델은 다중 해상도의 이미지를 활용해 진단 정확도를 향상시키며 진단에 있어 불확실한 영역을 자동으로 학습에서 제외하는 선택적 분할 방법(selective segmentation method)을 도입해 모델 결과의 안정성과 신뢰성을 높였다.

이렇게 학습된 MurSS는 유방암 H&E 슬라이드에서 96.88%(95% 신뢰 구간 95.67% ~ 97.61%)의 픽셀 레벨 정확도를 달성했다.

딥바이오의 곽태영 CTO는 “다중 해상도 선택적 분할모델(MurSS)을 사용하면 유방암 병리 슬라이드에서 암 영역을 보다 정확히 계측해 관내상피암 등을 제외한 침습암의 크기 측정에 도움을 줄 수 있다”며 “정확한 암 영역을 제안함으로써 향후 개발되는 각종 암지표 자동분석 알고리즘을 활용했을 경우 보다 정밀한 결과 예측을 가능하게 할 수 있을 것”이라고 밝혔다.