기존에는 치료 후 방사선 선량분포 분석으로만 위험 평가가 가능했으나, 이번 연구는 치료 전 단계에서 정확한 예측을 가능케 해 환자 맞춤형 치료 전략 수립에 기여할 전망이다.
연구팀은 2010년부터 2025년까지 아주대병원에서 방사선치료를 받은 1~2기 폐암 환자 276명의 치료 전 흉부 CT 영상과 임상정보를 활용했다. 먼저 CT 영상에서 폐 영역을 자동 분리한 뒤 3차원 딥러닝이 폐의 구조적 특징을 학습하도록 했고, 여기에 치료 전 폐기능과 방사선치료 정보를 함께 분석하도록 설계했다. 이후 실제 치료 후 폐기능 검사 결과를 바탕으로 AI를 학습시키고 예측 성능을 검증했다.
그 결과, 개발된 AI 모델은 치료 전 CT 영상만으로도 방사선치료 후 폐기능을 높은 정확도로 예측했으며, 실제 폐기능 검사 결과와 높은 일치도를 보였다. 특히 치료 전 폐기능이 정상인 환자 가운데 방사선치료 후 폐기능 저하가 발생할 가능성이 높은 환자를 예측 성능 평가 지표(AUC) 0.802 (1에 가까울수록 예측력이 높음)의 우수한 성능으로 예측해, 기존 검사만으로는 확인하기 어려운 잠재적 고위험군을 치료 전에 선별할 수 있음을 확인했다.
이번 연구는 기존처럼 방사선치료 계획이 완료된 이후에만 가능했던 폐 손상 위험 평가를 치료 시작 이전 단계로 앞당겼다는 데 의미가 있다. 환자의 위험도를 사전에 예측함으로써 방사선 선량 조절, 기능 보존 중심의 방사선치료, 조기 폐재활 계획 수립 등 환자 맞춤형 치료 전략을 세우는 데 활용될 것으로 기대된다.
허재성 교수는 “이번 연구는 치료 전 CT 영상과 임상정보만으로 방사선치료 후 폐기능 저하 위험을 예측할 수 있는 가능성을 제시했다”며 “향후 개인 맞춤형 정밀 방사선치료와 의료 AI 기반 임상 의사결정 지원 기술 발전에 기여할 것으로 기대한다”고 말했다.
이번 연구는 ‘Computed tomography-based deep learning prediction of radiation-induced functional decline after lung cancer radiotherapy(폐암 방사선치료 후 폐기능 저하 예측을 위한 CT 기반 딥러닝 모델 개발)’라는 제목으로 국제학술지 ‘Translational Lung Cancer Research’ 6월호에 게재됐다.
Copyright ⓒ 이데일리 무단 전재 및 재배포 금지
