일반적으로 암 진단에서 기본이 되는 절차로 병리학적 조직 이미지를 현미경을 사용하여 관찰하는 생검(Interventions infobox)에 의해 수행되지만 기본적으로 병리학과 의사의 개인 경험과 정보에 기반한다.

조직 이미지의 객관적인 설명과 수치화는 어렵기 때문에 많은 사례 정보의 통합과 다른 임상 데이터와의 정량적 비교, 유사한 사례의 검색 및 기타 데이터로 취급하기가 쉽지 않았다.

이에 도쿄대학교(University of Tokyo) 의과대학원 예방의학과(Department of Preventive Medicine) 연구팀이 인공지능(AI) 심층신경망을 이용하여 암 병리 조직 이미지의 조직학적 특징을 수치화하는 기술을 개발했다.

연구팀은 심층신경망을 이용하여 조직 이미지에서 이중선형 컨볼루션 신경망(Bilinear Convolutional Neural Network)에 의해 생성된 '딥텍스처(Deep Texture Representations, DTRs)'를 통해 암의 병리학적 조직 이미지의 특징을 식별하는데 적합하다는 것을 확인했다고 한다.

연구팀은 이를 그림에서 화풍(畵風)과 같은 의미로 비유했다. 이러한 기법을 이용하여 병리학적 이미지의 특징을 정량적 데이터로, 조직학적 특성에 기초한 암의 재분류, 과거의 사례에서 유사한 이미지의 검색, 일부 암의 유전자 변이 예측을 포함한 다양한 응용 프로그램에 적용에 가능해진 것이다.

연구팀의 딥텍스처를 기반으로 한 콘텐츠 기반 이미지 검색은 암 게놈 아틀라스(TCGA) 데이터 세트를 사용하여 조직학적으로 유사한 이미지를 빠르게 검색할 수 있다. 또한 드라이버 및 임상적으로 실행 가능한 유전자 돌연변이와의 포괄적인 비교를 통해 헤마톡실린 및 에오신(hematoxylin-and-eosin) 염색 이미지에서 게놈 특징 및 암 유형의 309개 조합을 성공적으로 예측했다.

이는 스마트폰과 같은 다양한 접근 가능한 장치에 탑재할 수 있는 기능을 통해 암 조직학에 대한 보편적인 인코딩 방식으로 암 진단 및 치료를 위한 글로벌 수평화에 큰 영향을 미칠 것으로 기대된다.

이번 연구 성과는 미국의 과학전문지 셀 리포트(Cell Reports)에 다양한 암종(pan-cancer) '심층 질감(質感)을 통한 다양한 암종 조직학의 보편적 인코딩(Universal encoding of pan-cancer histology by deep texture representations-다운)'란 제목으로 지난 1일 게재됐다.