유방암 검진부터 치료 계획까지, AI가 메우는 의료 사각지대
From Scan to Treatment Plan, AI Helps Close Breast Cancer’s Deadliest Gaps
NVIDIA BlogAI 기반 솔루션들이 유방암 검진부터 진단, 치료 계획 수립에 이르기까지 의료 전 과정의 사각지대를 메우며 혁신을 주도하고 있습니다.
AI 기술이 검진부터 치료 계획까지 의료 전 과정의 사각지대를 메우며 환자 맞춤형 진단과 접근성을 높여요.
- 웨어러블 초음파를 통한 비침습적 검진은 물론, AI가 유방 밀도를 분석하거나 병리 데이터를 활용해 환자의 치료 반응을 예측하는 등 진단 정확도가 향상되고 있습니다.
- 이러한 기술 발전은 검진의 접근성을 높이고 진단의 속도를 가속화하여, 궁극적으로 환자 개개인에게 최적화된 맞춤형 치료를 제공할 전망입니다.
- 다만, 언급된 여러 기술들은 임상 연구 단계에 있거나 상용화 과정에 있으며, 일부는 아직 미국 식품의약국(FDA) 승인을 받지 않았음을 유념해야 합니다.
유방암은 미국 여성에게 가장 흔한 암 중 하나이지만, 진료 과정 전반에 걸쳐 여러 간극이 존재합니다. 연령대가 높은 여성이 권장되는 매년 검진을 건너뛰는 경우부터, 진단 후 치료 계획 수립에 필요한 유전체 분석 결과가 몇 주씩 지연되는 등 의료 시스템의 병목 현상이 발생하고 있습니다. NVIDIA Inception 프로그램 참여 기업들은 이러한 영상 촬영, 위험 평가, 치료 계획 수립 등의 접점에서 AI 기반 솔루션을 개발하여 임상의들을 지원하고 있습니다.
검진 접근성 개선을 위해 iSono Health는 FDA 승인을 받은 웨어러블 자동 3D 정량 초음파 시스템 ATUSA를 개발했습니다. 이 장비는 기존의 손으로 잡는 초음파(최대 45분 소요)와 비교하여 약 2분 만에 표준화된 유방 부피 스캔을 촬영할 수 있습니다. AI가 수천 개의 전유방 스캔 데이터를 학습했으며, NVIDIA 가속과 의료 영상 기술을 활용해 기존 방식보다 민감도가 높다고 설명됩니다.
진단 및 치료 예측 단계에서도 AI의 역할이 커지고 있습니다. Whiterabbit.ai는 맘모그램에서 유방 밀도를 자동으로 평가하는 소프트웨어를 개발했으며, Ataraxis AI는 병리 슬라이드 등 표준 임상 데이터를 활용하여 환자의 치료 반응과 재발 위험을 예측합니다. 이 모델들은 수술 전 화학요법이 종양 크기를 줄일지 여부나 5년 후의 재발 위험도를 추정하는 데 사용됩니다.
최근에는 여러 종류의 데이터를 통합하여 정밀한 통찰력을 제공하는 플랫폼들이 등장하고 있습니다. SimBioSys는 AI 기반 기술을 이용해 유방 종양, 혈관 등 연조직의 정확한 3D 모델을 생성합니다. 이 회사는 영상 검사, 병리 결과, 유전체 검사 등 다중 모드() 데이터를 모두 취합하여 개별 데이터만으로는 얻기 힘든 새로운 통찰력을 도출하는 것을 목표로 합니다.
용어 풀이
- GPU
- 많은 계산을 한꺼번에 처리하는 칩. AI 학습과 실행에 가장 많이 써요.
- 오픈소스
- 소스 코드를 공개해 누구나 보고 고치고 다시 배포할 수 있게 한 소프트웨어.
- multimodal
- 글뿐 아니라 이미지·음성·영상처럼 여러 형태의 입력을 함께 다루는 것.
웨어러블 초음파 장비가 기존 방식보다 어떤 점이 개선되었나요?
iSono Health에서 개발한 웨어러블 자동 3D 정량 초음파 시스템 ATUSA를 사용하면, 기존에 손으로 잡는 초음파 검사가 최대 45분 정도 걸렸던 것에 비해 약 2분 만에 표준화된 유방 부피 스캔을 촬영할 수 있게 되었어요. 이 장비는 AI와 NVIDIA GPU 가속 기술을 활용하여 민감도를 높였다고 해요.
인공지능은 진단 및 치료 예측 단계에서 어떤 역할을 하나요?
AI는 여러 방식으로 도움을 주어요. Whiterabbit.ai 같은 소프트웨어는 맘모그램 사진만으로 유방 밀도를 자동으로 평가할 수 있고, Ataraxis AI는 병리 슬라이드와 같은 표준 임상 데이터를 활용해서 환자의 치료 반응이나 재발 위험도를 예측하는 데 사용돼요.
여러 종류의 데이터를 통합하여 얻으려는 기술적 목표는 무엇인가요?
SimBioSys와 같은 플랫폼들은 영상 검사, 병리 결과, 유전체 검사와 같이 여러 모드의 데이터를 모두 취합하는 것을 목표로 해요. 이를 통해 개별 데이터만으로는 알기 어려웠던 새로운 통찰력을 도출하고, 연조직의 정확한 3D 모델을 생성할 수 있어요.
