최형진 교수, "장 신경 3D 구조 자체 학습 데이터를 바탕으로 실제 임상 조직(생검 및 수술 샘플)에 3D 분석과 AI 기반 정량 평가를 적용하여, 진단 정확도 향상과 시간 단축 가능성을 객관적으로 검증했다는 점에서 실용적 가치가..."
복잡한 장 조직의 2차원 병리 진단이 가진 한계를 극복하고 진단 정확성과 효율성을 획기적으로 높일 인공지능(AI) 기반 3차원 병리 진단 기법이 국내 연구진에 의해 개발되어 의료계의 주목을 받고 있다.
서울대학교 의과대학 뇌인지과학과 및 해부학교실 최형진 교수팀은 3차원 조직 투명화 기술과 AI 기반 자동 분석 시스템을 통합한 새로운 분석 워크플로우를 제시하며, 장 질환 진단에 새 지평을 열었다.
2차원 병리의 한계 극복, 3차원 정밀 진단의 시대 열다
기존 조직병리학은 조직을 얇게 절단하여 2차원적으로 관찰하는 방식이어서, 복잡한 장기 구조가 왜곡되거나 정보가 손실되는 문제가 빈번했다. 특히 장 신경계와 같이 미세하고 복잡한 조직은 정확한 진단이 어려워 진단 지연과 불확실성이 문제로 지적되어 왔다. 이러한 한계는 병리적 변화를 정량적으로 평가하는 데도 걸림돌이 되었다.
최형진 교수팀은 이러한 문제를 해결하기 위해 3차원 조직 투명화(tissue clearing) 기술을 기반으로 한 샘플 처리 프로토콜을 개발했다. 이는 기존 병리 분석의 구조적 한계와 시간적 제약을 동시에 극복하는 혁신적인 접근 방식이다. 연구팀은 이 프로토콜을 AI 기반 자동 분석 시스템과 통합함으로써 효율성과 정확도를 동시에 향상시킨 새로운 분석 워크플로우를 제시했다.
AI 기반 자동 분석, 속도와 정확성 모두 잡았다
이번에 개발된 기술을 활용하면 장 조직 샘플 분석에 걸리는 시간을 획기적으로 단축할 수 있다. 최적화된 프로토콜 적용 시 대장 생검 샘플은 약 8일, 수술 샘플은 약 12일 이내에 3차원 분석이 가능하여 기존 대비 대폭 단축된 시간을 보여줬다.
특히, 사전 훈련된 AI 모델을 통한 자동 3D 재구성과 분석을 통해 분석 속도는 기존 대비 최대 1,000배(생검 샘플 기준)까지 빨라지는 것으로 나타났으며, 수술 샘플 역시 최대 30배의 속도 향상을 보였다.
AI는 신경과 점막 구조의 연결성을 정밀하게 분석하여 기존 방식으로는 구분이 어려웠던 염증, 구조 왜곡 등의 병리적 특징까지 뚜렷하게 시각화할 수 있었다. 예를 들어, 허쉬스프룽병(Hirschsprung's disease) 환자의 수술 샘플에서는 기존 영상에서 자가형광이나 혈관 구조에 가려졌던 신호들을 AI가 효과적으로 분리하여 분석하는 데 성공했다. 또한, 점막부터 근육층 신경얼기(plexus)까지 장기의 다양한 층을 구분하고 정량화하는 데도 탁월한 성능을 보였다.
AI 병리 분석의 가치 입증...난치병 진단·치료에 새 전기
연구팀은 AI 분석 결과를 수작업 및 기존 non-AI 분석과 비교한 결과, 크립트(crypt)의 구조나 신경섬유의 길이·부피 등 다양한 정량 지표에서 높은 정확도와 신뢰도를 확인했다고 밝혔다. 특히 기존 방법으로는 측정이 불가능했던 3차원 신경 구조 분석이 가능해져 AI 기반 병리 분석의 필요성과 가치를 명확히 입증했다.
이번 연구는 염증성장질환, 대장암, 과민성대장증후군, 허쉬스프룽병 등 다양한 장 질환의 조기 진단과 예후 예측, 맞춤형 치료 전략 수립에 새로운 전기를 마련할 것으로 크게 기대된다. 복잡하고 미세한 장 신경계 구조를 빠르고 정확하게 분석할 수 있는 혁신적인 진단 도구의 등장이 의료 현장에 가져올 변화에 귀추가 주목된다.
최형진 교수는 "기존 2차원 병리학적 분석은 장 신경계와 같이 복잡한 조직 구조를 충분히 반영하지 못해, 진단 정확도와 병리학적 해석에 한계가 있었다"며, "이에 따라 3차원 이미징 기술과 AI 분석을 실제 조직에 적용하여, 보다 정밀하고 빠른 진단이 가능할지 검증하고자 연구를 시작하게 되었다"라고 말했다.
이어 "이번 연구에 주요하게 사용된 AI 기반 이미지 분석 소프트웨어인 ‘Aivia, (Leica)’를 통해 이미지 데이터를 직접 차세대 머신 러닝에 적용, 자체 학습 데이터 구축이 가능하였다"며, "장 신경 3D 구조 자체 학습 데이터를 바탕으로 실제 임상 조직(생검 및 수술 샘플)에 3D 분석과 AI 기반 정량 평가를 적용하여, 진단 정확도 향상과 시간 단축 가능성을 객관적으로 검증했다는 점에서 실용적 가치가 높다"고 밝혔다.
연구팀은 "본 기술은 복잡한 장 신경계 구조를 빠르고 정확하게 분석할 수 있는 혁신적 진단 도구로 향후 염증성장질환, 대장암, 과민성대장증후군, 허쉬스프룽병 등 다양한 장 질환의 조기 진단, 예후 예측, 맞춤형 치료 전략 수립에 기여할 것으로 기대된다"고 덧붙였다.
한편, 이번 연구는 서울대 의과대학 해부학교실 윤영현 박사, 서울대 의과대학 의과학과 정기영(박사수료) 연구원 등이 제1저자로, 서울대병원 내과학교실 고성준 교수, :서울대 의과대학 해부학교실 최형진 교수가 교신저자로 참여했다.
이번 연구 결과는 분자 영상(molecular imaging), 분자 치료(molecular therapeutics), 다기능 나노입자 플랫폼, 영상 유도 치료(image-guided therapy), 바이오센서, 시스템 생물학(system biology), 중개 의학(translational medicine) 등 광범위한 생의학 연구를 다루는 혁신적인 학술지 테라노스틱스(Theranostics)에 '인공지능 기반 3차원 병리 분석 프로토콜: 장 신경계 시각화 및 정량화 향상(AI-powered 3D Pathology Protocol Enhances Enteric Nervous System Visualization and Quantification for Clinical Diagnostics-다운)'란 제목으로 지난달 12일 게재됐다.
* 출처 : 인공지능신문 https://www.aitimes.kr/news/articleView.html?idxno=35488
최형진 교수, "장 신경 3D 구조 자체 학습 데이터를 바탕으로 실제 임상 조직(생검 및 수술 샘플)에 3D 분석과 AI 기반 정량 평가를 적용하여, 진단 정확도 향상과 시간 단축 가능성을 객관적으로 검증했다는 점에서 실용적 가치가..."
복잡한 장 조직의 2차원 병리 진단이 가진 한계를 극복하고 진단 정확성과 효율성을 획기적으로 높일 인공지능(AI) 기반 3차원 병리 진단 기법이 국내 연구진에 의해 개발되어 의료계의 주목을 받고 있다.
서울대학교 의과대학 뇌인지과학과 및 해부학교실 최형진 교수팀은 3차원 조직 투명화 기술과 AI 기반 자동 분석 시스템을 통합한 새로운 분석 워크플로우를 제시하며, 장 질환 진단에 새 지평을 열었다.
2차원 병리의 한계 극복, 3차원 정밀 진단의 시대 열다
기존 조직병리학은 조직을 얇게 절단하여 2차원적으로 관찰하는 방식이어서, 복잡한 장기 구조가 왜곡되거나 정보가 손실되는 문제가 빈번했다. 특히 장 신경계와 같이 미세하고 복잡한 조직은 정확한 진단이 어려워 진단 지연과 불확실성이 문제로 지적되어 왔다. 이러한 한계는 병리적 변화를 정량적으로 평가하는 데도 걸림돌이 되었다.
최형진 교수팀은 이러한 문제를 해결하기 위해 3차원 조직 투명화(tissue clearing) 기술을 기반으로 한 샘플 처리 프로토콜을 개발했다. 이는 기존 병리 분석의 구조적 한계와 시간적 제약을 동시에 극복하는 혁신적인 접근 방식이다. 연구팀은 이 프로토콜을 AI 기반 자동 분석 시스템과 통합함으로써 효율성과 정확도를 동시에 향상시킨 새로운 분석 워크플로우를 제시했다.
AI 기반 자동 분석, 속도와 정확성 모두 잡았다
이번에 개발된 기술을 활용하면 장 조직 샘플 분석에 걸리는 시간을 획기적으로 단축할 수 있다. 최적화된 프로토콜 적용 시 대장 생검 샘플은 약 8일, 수술 샘플은 약 12일 이내에 3차원 분석이 가능하여 기존 대비 대폭 단축된 시간을 보여줬다.
특히, 사전 훈련된 AI 모델을 통한 자동 3D 재구성과 분석을 통해 분석 속도는 기존 대비 최대 1,000배(생검 샘플 기준)까지 빨라지는 것으로 나타났으며, 수술 샘플 역시 최대 30배의 속도 향상을 보였다.
AI는 신경과 점막 구조의 연결성을 정밀하게 분석하여 기존 방식으로는 구분이 어려웠던 염증, 구조 왜곡 등의 병리적 특징까지 뚜렷하게 시각화할 수 있었다. 예를 들어, 허쉬스프룽병(Hirschsprung's disease) 환자의 수술 샘플에서는 기존 영상에서 자가형광이나 혈관 구조에 가려졌던 신호들을 AI가 효과적으로 분리하여 분석하는 데 성공했다. 또한, 점막부터 근육층 신경얼기(plexus)까지 장기의 다양한 층을 구분하고 정량화하는 데도 탁월한 성능을 보였다.
AI 병리 분석의 가치 입증...난치병 진단·치료에 새 전기
연구팀은 AI 분석 결과를 수작업 및 기존 non-AI 분석과 비교한 결과, 크립트(crypt)의 구조나 신경섬유의 길이·부피 등 다양한 정량 지표에서 높은 정확도와 신뢰도를 확인했다고 밝혔다. 특히 기존 방법으로는 측정이 불가능했던 3차원 신경 구조 분석이 가능해져 AI 기반 병리 분석의 필요성과 가치를 명확히 입증했다.
이번 연구는 염증성장질환, 대장암, 과민성대장증후군, 허쉬스프룽병 등 다양한 장 질환의 조기 진단과 예후 예측, 맞춤형 치료 전략 수립에 새로운 전기를 마련할 것으로 크게 기대된다. 복잡하고 미세한 장 신경계 구조를 빠르고 정확하게 분석할 수 있는 혁신적인 진단 도구의 등장이 의료 현장에 가져올 변화에 귀추가 주목된다.
최형진 교수는 "기존 2차원 병리학적 분석은 장 신경계와 같이 복잡한 조직 구조를 충분히 반영하지 못해, 진단 정확도와 병리학적 해석에 한계가 있었다"며, "이에 따라 3차원 이미징 기술과 AI 분석을 실제 조직에 적용하여, 보다 정밀하고 빠른 진단이 가능할지 검증하고자 연구를 시작하게 되었다"라고 말했다.
이어 "이번 연구에 주요하게 사용된 AI 기반 이미지 분석 소프트웨어인 ‘Aivia, (Leica)’를 통해 이미지 데이터를 직접 차세대 머신 러닝에 적용, 자체 학습 데이터 구축이 가능하였다"며, "장 신경 3D 구조 자체 학습 데이터를 바탕으로 실제 임상 조직(생검 및 수술 샘플)에 3D 분석과 AI 기반 정량 평가를 적용하여, 진단 정확도 향상과 시간 단축 가능성을 객관적으로 검증했다는 점에서 실용적 가치가 높다"고 밝혔다.
연구팀은 "본 기술은 복잡한 장 신경계 구조를 빠르고 정확하게 분석할 수 있는 혁신적 진단 도구로 향후 염증성장질환, 대장암, 과민성대장증후군, 허쉬스프룽병 등 다양한 장 질환의 조기 진단, 예후 예측, 맞춤형 치료 전략 수립에 기여할 것으로 기대된다"고 덧붙였다.
한편, 이번 연구는 서울대 의과대학 해부학교실 윤영현 박사, 서울대 의과대학 의과학과 정기영(박사수료) 연구원 등이 제1저자로, 서울대병원 내과학교실 고성준 교수, :서울대 의과대학 해부학교실 최형진 교수가 교신저자로 참여했다.
이번 연구 결과는 분자 영상(molecular imaging), 분자 치료(molecular therapeutics), 다기능 나노입자 플랫폼, 영상 유도 치료(image-guided therapy), 바이오센서, 시스템 생물학(system biology), 중개 의학(translational medicine) 등 광범위한 생의학 연구를 다루는 혁신적인 학술지 테라노스틱스(Theranostics)에 '인공지능 기반 3차원 병리 분석 프로토콜: 장 신경계 시각화 및 정량화 향상(AI-powered 3D Pathology Protocol Enhances Enteric Nervous System Visualization and Quantification for Clinical Diagnostics-다운)'란 제목으로 지난달 12일 게재됐다.
* 출처 : 인공지능신문 https://www.aitimes.kr/news/articleView.html?idxno=35488