A deep-learning model based on histological images predicts survival and pathological response to neoadjuvant chemotherapy and chemoimmunotherapy in breast cancer

당신이 작은, 북적이는 도시 내부의 미스터리를 풀려는 탐정이라고 상상해 보십시오. 이 도시, 즉 인간의 몸은 세포로 이루어진 거리들로 구성되어 있습니다. 때때로 세포 무리가 탈선하여 혼란스럽고 위험한 동네인 종양을 건설하기 시작합니다. 수십 년 동안 의사들은 이 동네가 어떻게 행동할지 추측해야만 했습니다. 규모를 작게 유지할 것인가? 퍼져 나갈 것인가? 약물에 반응할 것인가? 이를 알아내기 위해, 그들은 보통 도시의 아주 작은 조각을 가져와 보라색과 분홍색 염료(H&E 염색이라 불리는 과정)로 물들인 뒤 현미경으로 관찰합니다. 이는 마치 날씨를 예측하기 위해 흐릿한 지도를 보는 것과 같습니다.

최근 과학자들은 지도를 읽는 더 나은 방법을 발견했습니다. 바로 세포들의 "속삭임"을 측정하는 것입니다. 세포 내부의 유전 코드(DNA 지시 사항)를 살펴봄으로써, 근처에 숨어 있는 "군인" 세포(면역 세포)가 얼마나 많은지 셀 수 있게 된 것입니다. 만약 군인이 많다면, 몸은 싸울 준비가 된 것이며, 종양은 특수 약물 치료 시 크기가 줄어들 가능성이 높습니다. 이것을 "유전자 발현 시그니처"라고 부릅니다. 이는 강력한 도구이지만, 비용이 많이 들고 느리며, 모든 병원이 갖추고 있지는 않은 특수 장비를 필요로 합니다. 이는 날씨를 확인하기 위해 슈퍼컴퓨터가 필요한 것과 같습니다. 그래서 과학자들에게는 큰 질문이 생겼습니다. "우리가 저렴하고 오래된 보라색과 분홍색 지도를 사용하고, 똑똑한 컴퓨터 뇌(인공지능)를 이용해 비싼 유전자 검사가 무엇이라고 말할지 정확히 예측할 수 있을까?" 만약 가능하다면, 높은 비용이나 기다림 없이도 암의 미래를 예측할 수 있을 것입니다.

이것이 바로 프랑수아 베르투치(François Bertucci)가 이끄는 팀이 해결하고자 했던 과제입니다. 그들은 "AI-ICR"이라 불리는 디지털 탐정을 구축했습니다. 이 AI 모델은 폐암, 피부암, 결장암을 포함한 10가지 다른 유형의 암에 대해 학습되었으며, 일반적인 현미경 슬라이드를 보고 유전자 검사 없이도 "군인 수"를 예측하도록 훈련되었습니다.

그들이 디지털 탐정을 훈련시킨 방법은 다음과 같습니다. 먼저, 그들은 단순히 유방암에 대해서만 가르친 것이 아니라 폐암, 피부암, 결장암을 포함한 10가지 다른 유형의 암에 대해 가르쳤습니다. 그들은 암 유전체 지도(TCGA)에서 가져온 2,881개의 현미경 슬라이드 대규모 라이브러리를 실제 유전자 검사 결과와 짝을 지어 사용했습니다. AI는 "군인" 유전자의 존재와 일치하는 보라색과 분홍색 염색의 시각적 패턴을 포착하는 법을 배웠습니다. 이것은 마치 아이에게 비를 본 적이 없더라도 구름의 모양과 색깔을 보고 폭풍 구름을 인식하도록 가르치는 것과 같습니다. AI가 이 단계에서 숙련자가 되었을 때, 팀은 동일한 라이브러리에서 추출한 1,087명의 유방암 환자를 대상으로 테스트를 진행했습니다. 결과는 어떠했을까요? AI는 놀라울 정도로 정확했습니다. AI는 "군인" 상태를 93.7%의 확률로 정확히 맞혔는데, 이는 컴퓨터가 이 분야에서 도달할 수 있는 완벽에 가까운 점수입니다.

하지만 상태를 아는 것은 전투의 절반일 뿐입니다. 진짜 질문은 이것입니다. "이것이 의사들이 생명을 구하는 데 도움이 되는가?" 팀은 그 답이 강력한 "예"라는 것을 발견했습니다. 그들은 AI가 "AI-ICR-높음"(즉, AI가 많은 군인을 포착함)이라고 표시한 종양을 가진 환자들이 생존율이 훨씬 높다는 것을 발견했습니다. 실제로 이 환자들은 "AI-ICR-낮음" 종양을 가진 환자들에 비해 질병으로 사망할 확률이 3분의 1 미만이었습니다. 이는 마치 기상 예보가 "당신은 안전 지대에 있습니다"라고 말하는 것과 "당신은 폭풍 속에 있습니다"라고 말하는 것의 차이와 같습니다.

가장 흥ating 부분은 치료와 관련된 이야기입니다. 팀은 환자들이 수술 전 종양을 줄이기 위해 화학 요법(그리고 때로는 면역 요법)을 받는 "선행 보조 요법(neoadjuvant therapy)"을 받는 경우를 살펴보았습니다. 그들은 AI가 누가 "병리학적 완전 관해(pCR)"를 달성할지 예측할 수 있는지 알고 싶었습니다. pCR은 치료의 "성배"와 같습니다. 즉, 수술을 했을 때 뒤에 남겨진 암이 전혀 없는 상태를 의미합니다.

AI-ICR 모델은 수정구슬이었습니다. 표준 화학 요법을 받은 환자 그룹에서, "AI-ICR-높음" 종양을 가진 환자들은 수술 후 암이 전혀 남지 않을 확률이 65%였던 반면, "낮음" 그룹은 30%에 불격했습니다. 하지만 마법은 면역 요법(군인들을 깨우는 약물)을 추가했을 때 일어났습니다. 이 그룹에서 "AI-ICR-높음" 환자들은 81%라는 놀라운 성공률로 암이 전혀 남지 않는 결과를 보였으나, "낮음" 그룹은 36%에 그쳤습니다. AI는 단순히 누가 생존할지를 예측한 것이 아니라, 누가 치료에 가장 잘 반응할지를 예측했습니다.

과학자들은 또한 AI가 왜 그렇게 뛰어난 성능을 보이는지 그 내부를 들여다보았습니다. 그들은 AI가 "높음"으로 분류한 종양의 유전 데이터를 확인했고, 그 종양들이 실제로 면역 유전자와 활성화된 군인 세포들로 가득 차 있다는 것을 발견했습니다. AI는 단순히 추측하는 것이 아니라, 슬라이드의 색상 속에 숨겨진 생물학적 실체를 보고 있었던 것입니다.

그러나 저자들은 이것이 내일 당장 모든 병원에 도입될 완성된 제품은 아니라는 점을 주의 깊게 설명합니다. 그들은 자신들의 연구에 한계가 있음을 인정합니다. "AI-ICR-높음" 그룹은 이미 공격적인 것으로 알려진 종양(삼중 음성 유방암 등)을 가진 경향이 있었는데, 이는 다소 복합적인 상황입니다. 즉, AI는 이들을 고위험군으로 정확히 식별함과 동시에, 이들이 강력한 면역 증강 약물에 가장 잘 반응할 것이라는 점 또한 정확히 식별해 냈습니다. 또한 연구는 오래된 슬라이드와 새로운 슬라이드 유형이 섞인 것에 의존했으며, 팀은 향-후 더 큰 규모의 인원과 다양한 조직 샘플을 통해 이 결과를 확인할 필요가 있다고 언급했습니다.

결론적으로, 이 논문은 흥미로운 가능성을 제시합니다. 우리는 곧 단순하고 저렴한 현미경 슬라이드와 똑똑한 컴퓨터를 사용하여 유방암이 어떻게 행동할지, 어떤 약물이 가장 잘 맞을지를 정확히 알 수 있게 될지도 모릅니다. 이는 복잡하고 비싼 유전자 검사를 단순히 사진 한 장을 보는 것처럼 단순하게 만들어, 첨단 기술 실험실에 접근할 수 있는 소수의 운 좋은 사람들만이 아닌 모두가 정밀 의료의 혜택을 누릴 수 있게 할 잠재력을 가지고 있습니다. AI는 단순히 지도를 읽은 것이 아니라, 첫 빗방울이 떨어지기도 전에 폭풍을 예측하는 법을 배운 것입니다.