| 내용 |
새 연구에 따르면, 인공지능이 의학적 영상을 처리해서 생물학적 그리고 임상적 정보를 추출할 수 있다. CT 스캔 영상을 분석하도록 알고리즘을 고안하고 개발함으로써, 종양학-방사선요법과 정밀의학에서 인공지능을 전문으로 하는 의학 연구자들이 이른바 radiomic signature(다량의 방사선학 이미지를 바탕으로 확인한 특징)를 만들었다. 이것은 종양의 임파세포 침투 수준을 정의하고 환자에서 면역요법의 효과를 위한 예측 점수를 제공한다. 미래에 의사들은 생검을 할 필요없이 이미지를 이용해서 몸의 한 부분에 있는 종양에서 생물학적 현상을 확인할 수 있을지도 모른다. 15~30%의 환자들만이 항-PD-1/PD-L1 면역요법에 반응하는 상황에서, 지금까지 환자가 그 요법에 반응할지를 정확하게 확인할 수 있는 표지가 없다. 종양 환경에 임파세포가 풍부하게 존재할수록 면역요법 효과가 더 크다고 알려져 있다. 따라서, 연구자들은 이미지를 이용해서 이 환경의 특징을 확인하고 이것을 환자의 임상 반응과 연관시키려고 해왔다. 이 연구는 여러 종류의 고형암을 가진 500명의 환자들에서 radiomic signature를 찾아서 확인했다. 기계 학습을 기반으로 하는 접근법을 이용해서, 그 연구자들은 먼저 종양 게놈 자료를 포함하는, MOSCATO 연구에 참여한 환자들의 CT 스캔에서 추출된 관련 정보를 이용하도록 알고리즘을 가르쳤다. 오직 이미지를 기반으로 해서, 그 알고리즘은 게놈이 특히 종양에 있는 CD8의 존재의 측면에서 종양 면역 침투에 대해서 무엇을 드러내는지 예측하는 것을 학습했고, radiomic signature를 확립했다. 이 특징은 다른 집단에서 시험되고 확인되어, 이미지가 생물학적 현상을 예측할 수 있다는 것을 보이고, 종양의 면역 침투의 정도에 대한 추정값을 제공한다. |
