NVIDIA Inception 프로그램에 참여하는 스타트업들은 검사 접근성의 어려움, 영상의학 전문의 부족, 치료 선택에 의존하는 검사 결과가 나오기까지 걸리는 시간 등 유방암 진료의 여러 격차를 해결하기 위해 AI를 활용하고 있다. 이러한 애플리케이션은 미국에서 사용되며, 미국에서는 매년 약 4,000만 건의 유방촬영술이 시행된다. 한편 향후 10년 동안 영상의학 전문의 부족으로 판독 및 진단 시스템에 대한 압박이 커질 것으로 예상된다.
NVIDIA에 따르면 소개된 기업들은 그래픽 처리 장치, CUDA, MONAI를 포함한 NVIDIA의 컴퓨팅 인프라를 사용해 자동 영상 촬영부터 병리 슬라이드 분석, 임상 및 유전 데이터 통합에 이르는 도구를 구축하고 있다.
더 일관되고 환자에게 가까운 영상 촬영
iSono Health는 FDA 허가를 받은 착용형 3차원 정량 초음파 시스템인 ATUSA 플랫폼을 개발하고 있다. 이 시스템은 기존 수동 초음파 검사에 최대 45분이 걸리는 것과 비교해 유방 한쪽당 약 2분 만에 표준화된 유방 영상을 촬영한다.
이 시스템은 AI를 활용해 영상 촬영을 자동화하며, 150만 개가 넘는 초음파 프레임을 포함한 수천 건의 완전한 검사 데이터를 바탕으로 학습됐다. 회사는 이 시스템이 2차원 수동 초음파보다 민감도가 28% 높다고 말한다. 또한 영상 촬영 방식을 표준화하면 연례 검사 결과를 비교하고 장비 조작자의 경험에 따른 편차를 줄이는 데 도움이 될 수 있다.
ATUSA는 캘리포니아, 텍사스, 조지아, 테네시, 워싱턴 D.C.의 제휴 클리닉을 통해 상업적으로 이용할 수 있다. iSono Health는 플랫폼의 성능을 검증하기 위해 3,200명의 환자가 참여하는 다기관 연구를 진행하고 있으며, 주요 연구 기관으로 UC Davis와 Vanderbilt University Medical Center가 참여한다. 회사는 병변의 검출, 분할, 분류를 포함하도록 도구를 확장한 뒤 3차원 초음파를 유방촬영술, 자기공명영상, 임상 정보와 통합할 계획이다.
영상의학 전문의의 부담 줄이기
Whiterabbit.ai는 유방촬영술 영상에서 유방 밀도를 자동으로 평가하는 FDA 허가 도구인 WRDensity를 개발했으며, 수십만 명의 환자 진료에 사용됐다. 또한 임상 의사결정을 지원하고 장기적인 유방암 발병 위험을 추정하는 WRRisk도 제공한다.
이 회사는 영상의학 전문의가 더 많은 암을 발견하도록 돕고 암 징후가 보이지 않는 영상을 자동으로 선별할 수 있는 차세대 유방촬영술 AI 도구를 연구하고 있다. 여기서 실질적인 목적은 의사를 대체하는 것이 아니라 드문 사례를 찾아야 하는 업무를 줄이는 것이다. 공동 창업자이자 최고기술책임자인 Jason Su는 유방 영상의학 전문의가 유방촬영술 영상 약 200장마다 유방암 사례 한 건을 찾으려 한다고 말한다.
영상에서 치료 결정으로
Ataraxis AI는 진단 이후 단계에 초점을 맞추고 있다. 이 단계에서 치료 결정에는 2주에서 4주가 걸리는 조직 검사가 필요할 수 있다. 회사의 모델은 디지털 병리 슬라이드와 표준 임상 변수를 분석해 종양의 치료 반응과 재발 위험을 예측한다.
한 모델은 수술 전 화학요법에 반응해 종양이 축소될 가능성을 예측하고, 다른 모델은 수술 후 5년 이내에 질병이 재발할 위험과 화학요법의 잠재적 이익을 추정한다. 회사는 두 모델이 10곳이 넘는 기관과 여러 임상시험에서 검증됐으며 임상적으로 사용되고 있다고 말한다. 또한 이 모델들은 현장 인프라, 외부 데이터센터 또는 클라우드에서 실행할 수 있다.
데이터를 3차원 모델로 통합하기
SimBioSys는 유방 종양, 혈관, 연조직의 3차원 모델을 생성하는 정밀의료 기술을 개발해 수술과 치료 계획을 지원하는 것을 목표로 한다. 또한 자기공명영상의 체적 데이터, 병리학 결과, 임상 데이터를 바탕으로 암 재발 위험을 추정하는 도구도 개발했다.
가장 중요한 변화는 각각의 데이터 출처를 따로 분석하는 대신 여러 유형의 데이터를 통합하는 데 있다. 그러나 해당 자료는 중요한 한계도 지적한다. 언급된 일부 기술은 아직 연구 단계이며 상업적 사용에 대한 FDA 승인을 받지 못했다. 또한 특히 예측 결과가 치료 결정에 직접 영향을 미치는 경우, 이러한 도구를 일반화하기 전에 진행 중인 연구와 임상 검증 결과가 여전히 결정적인 요소로 남을 것이다.
이 소식이 중요한 이유
이러한 애플리케이션은 유방암에서 AI의 실질적 가치가 단순히 비정상 영상을 발견하는 데 그치지 않고, 영상 촬영의 재현성을 높이고 위험을 분류하며 치료 결정에 앞서 필요한 데이터 분석을 가속화하는 데까지 확장된다는 점을 보여준다. 그러나 임상 도입 여부는 AI 모델의 속도만으로 결정되지 않는다. 규제 허가, 여러 기관을 통한 검증, 다양한 환자 집단에서의 예측 정확도 등은 여전히 해결해야 할 과제로 남아 있다.