thinkpool

딥바이오는 미국 암연구학회(AACR) 연례 학술대회 2025에서 인공지능(AI)을 활용한 암 진단 및 바이오마커 정량 분석 관련 최신 연구 성과를 발표한다고 2일 밝혔다.

이번 발표에서는 면역 억제 단백질인 PD-L1 및 세포 증식 및 전이 관련 수용체 단백질인 c-MET의 면역 조직 화학 염색(IHC) 이미지의 정량 분석, 유방 림프절 동결절편 병리 이미지의 AI 기반 진단 등 3건의 연구가 포스터 발표로 진행된다.

딥바이오는 자사의 딥러닝 기반 모델이 병리 이미지를 분석해 바이오마커 평가의 정밀도와 재현성을 향상하고, 임상 의사결정에 기여한다고 설명했다.

특히 비소세포폐암(NSCLC)을 대상으로 한 연구에서는 PD-L1 염색 강도를 AI로 정량화한 결과 임상에서 판독된 종양 비율 점수(TPS)와 AI가 측정한 PD-L1 염색 강도 지표 간에 높은 상관관계가 나타났다. 또 비소세포폐암의 대표적인 아형 중에서는 편평세포암(squamous cell carcinoma)보다 선암(adenocarcinoma)에서 PD-L1 염색 강도가 더 강하게 나타났다. 이러한 연구 결과는 기존 평가 방식에서 정량적으로 다루기 어려웠던 PD-L1 염색 강도를 AI 기반으로 분석함으로써 향후 IHC 기반 치료 전략의 정밀화에 기여할 수 있음을 보여준다.

또한 c-MET 바이오마커를 대상으로 한 다른 연구에서는 IHC 염색 슬라이드 이미지로부터 추출한 AI 기반 H-score(염색 강도와 염색 세포 비율을 종합한 반정량 점수)와 병리의사의 H-score간에 높은 일치도를 보였다. 종양 아형 간 c-MET 단백질 발현 양상의 차이도 정량적으로 분석했다. 이 연구는 AI 기술을 사용해 바이오마커 발현, 세포 형태 등을 식별하고 임상 데이터의 상관관계를 분석할 수 있음을 확인한 것이라고 회사 측은 설명했다.

이와 함께 다양한 스캐너로 스캔된 유방 림프절 동결절편 병리 이미지의 암 병변 검출 성능개선을 위해 다중 인스턴스 학습(MIL,Multiple Instance Learning)과 분류모델 분리(classifier-isolate) 학습 방식을 결합한 새로운 방법을 제안했다. 본 연구에서는 MIL을 활용해 서로 다른 스캐너로 촬영된 3만장 이상의 유방 림프절 동결절편 병리 이미지와 슬라이드 단위 진단 정보를 기반으로 파운데이션 특징 추출 모델을 먼저 학습했다. 이후 제한된 병리 전문의의 주석 데이터를 이용해 동결절편 림프절에 특화된 분류모델(classifier)만을 별도로 학습했다. 이처럼 일반화된 특징과 특화된 분류모델을 결합함으로써 다양한 스캐너 환경에서도 일관된 암 병변 검출이 가능함을 확인했다.

딥바이오의 IHC 이미지 분석 플랫폼인 ‘딥CDx Membrane IHC’는 HER2, PD-L1 등 세포막에서 발현되는 바이오마커의 IHC 염색 이미지에서 암세포 구획(세포핵, 세포질, 세포막) 수준의 정량적 분석을 수행하는 AI 솔루션이다. 에이비온과의 협약을 통해 신약 개발을 위한 임상 연구에서 환자 선별 및 약물 반응 예측 연구에 활용될 예정이다.

김선우 딥바이오 대표는 “이번 연구들은 AI가 암 진단에 가져올 수 있는 혁신을 잘 보여준다”며 “딥러닝 기술을 활용한 바이오마커 정량 분석은 보다 정확하고 재현 가능한 진단 결과를 제공함으로써 PD-L1, c-MET, 동결절편 진단의 정밀도를 높이고 임상적 치료 결정에 기여할 것”이라고 했다.