| 초록 |
암 치료 효율은 지난 수십 년의 생명공학 기술, 생물학적 연구 그리고 첨단영상장비, 치료장비의 기술적 그리고 과학적 진보와 더불어서 급격히 향상되어왔다. 지난 26년간 전체 암으로 인한 사망률은 지속적으로 줄어왔으며, 그 주요 원인으로는 4대 주요 암 사망률이 지속적으로 낮아졌기 때문이다. 전립선암, 직장암, 유방암, 그리고 폐암이다. 그럼에도 불구하고 특정 암들의 경우에는 여전히 사망율이 매우 높은 실정이다.[1] 예를 들어서 비소폐암(non-small cell lung cancer: NSCLC)의 경우 암 1기와 2기의 5년 생존율은 약 40~50%인 반면에, 수술이 불가한 3기(III A-III B) 암의 경우에는 5년 생존율이 5~10%로 떨어지게 된다. 난소암(Ovarian Cancer)은 5년 생존율이 미국의 경우 46.5%이다. 뇌종양(Brain Cancer), 위암(Stomach Cancer), Hypopharynx 암의 경우 모두 5년 생존율이 30%대 초반으로 보고되고 있다. 스티브 잡스의 암으로 알려진 췌장암(Pancreatic Cancer)은 5년 생존율이 8.2%로서, 치료를 받은 환자 10명 중 약 1명이 5년 후에 생존하는 상황이다. 뇌종양의 약 12~15%을 차지하는 교모세포종(GBM: Glioblastoma)은 가장 일반적인 뇌종양 중 하나인데, 이 또한 5년 생존율이 7%밖에 되고 있지 않다.<br /> <br /> 종양 크기, 림프절(lymph node) 그리고 전이상태에 따른 암이 몇 기인지(TNM staging) 나누는 방법이 현재 어떻게 암을 치료할지를 가르는 중요한 암 치료 결과 예측 방법이고, 임상 현장에서 TNM staging(즉, 암이 몇 기인지)에 따라서 환자의 치료 방법들이 정해진다.[2] 물론 환자의 흡연 기록, 카르노프스키 인자(Karnofsky performance status: KPS), 환자의 연령 또한 참고한다. 그러나 같은 TNM staging이라고 할지라도 현저히 다른 치료 결과가 환자마다 나타나고 있는 상태이다.[3] 그래서 어떤 환자는 치료 결과가 너무 좋지 않고, 적절한 치료를 더 일찍 처방했으면 치료 효율을 높일 수 있지만 적절한 치료 시기(therapeutic window)를 놓치게 되는데, 현재로는 종양 크기, 림프절(lymph node) 그리고 전이상태에 따라 암이 몇 기인지 나누는 기준으로는 같은 암 기수(TNM Staging) 안에, 다른 치료 결과를 가지고 올 환자들을 구분해낼 방법이 없기 때문이다. 이러한 문제로 인해서 여러 치료 결과를 예측케 하는 생물학적 인자(biomarker)를 개발하고자 하는 노력들이 있어왔고, 여전히 활발히 진행되고 있다. 그 생물학적 인자(biomarker)는, 환자 암의 분자구조와 치료 결과를 연구해서 몇몇 분자구조들은 환자의 암 치료 결과에 중요한 영향을 미친다는 것이 밝혀져왔다. 예를 들면 분자생물학적 인자(molecular biomarkers)들로서 암세포 속의 ALK, EGFR, PD-1들은 환자 치료 결과와 중요한 인과관계가 있음이 밝혀졌다. 이와 같은 생리학적인(pathological) 분자생물학적 인자들의 연구와 병행해서, 최근에는 환자의 컴퓨터단층촬영(CT) 영상이나 양전자방출단층촬영술(positron emission tomography, PET) 영상 안에 담긴 암의 특성을 이용해서 암 치료 결과를 예측하는 연구들이 시작되었다. 이미 잘 알려진 것처럼, CT는 X-선과 컴퓨터를 이용하여 인체의 목적 부위를 여러 방향에서 조사하여 투과한 X-선을 검출기로 수집하고 그 부위에 대한 X-선의 흡수 차이를 컴퓨터가 수학적 기법을 이용하여 재구성하는 촬영 기법을 말한다. CT는 인체의 단면에 대한 재현 능력이 매우 우수하기 때문에 인체의 정상적인 해부학적 구조의 변형 정도를, 비교적 쉽고 정확하게 파악할 수 있게 정보를 주며, 혈액, 조직 뇌척수액, 백질, 회백질, 종양 등을 구분하는 데 우수한 분해 능력과 대조도를 표현하여 미세한 부분의 흡수 차로 영상진단 분야에 있어서 아주 중요한 영역을 차지하고 있고, CT 촬영은 인체의 어느 곳도 검사가 가능하다. 반면, PET은 양전자를 방출하는 방사성의약품을 체내에 주입한 후 체내의 특정 부위에 분포한 양전자로부터 방출되는 감마선을 검출하여 영상을 만드는 방법으로, 인체 내에서 일어나는 다양한 생화학적/기능적 변화를 영상으로 관찰하여 질병을 진단한다. 이처럼 환자의 3차원 영상(CT 또는 PET 또는 이 둘이 결합된 PET-CT)을 활용한 암 치료 결과 예측이 주목받기 시작했고, 초기 연구를 시작할 수 있었던 이유는 CT나 PET 영상 기술의 비약적인 발전으로 그 영상을 통해서 암의 크기만 진단하는 것이 아니라 암의 특성을 정량적으로 분석할 수 있는 수준(quantitative imaging)까지 이르렀기 때문이다.<br /> <br /> 여전히 암 환자 치료 결과를 예측하는 매우 초기 단계의 연구들이 진행되고 있으나, 이 연구들의 암 치료에 있어서 영향은 실로 매우 중요하다. 이 연구동향 보고서에서는, 지면 관계상 자세히 다루지 못하는 한계에도 불구하고, 1세대부터 3세대까지의 의료 영상을 이용한 암 치료 결과 예측을 살펴보려고 한다. 여전히 개별 암 환자의 암 치료 방법을 결정하는 사람은 의사이지만, 이와 같은 개별 암 환자의 3차원 영상에서 도출된 암 환자의 치료 결과에 대한 예측은, 의사들로 하여금 보다 더 효과적인 암 치료를 결정해줄 것으로 기대한다. 각 개별 환자의 3차원 영상(CT, PET, PET-CT, 그리고 MRI)을 가지고 인공지능 기술을 이용해서 암을 진단(diag-nostic)하는 연구는 암 치료 결과(prognostic)를 예측하는 연구보다 훨씬 이전부터 연구되어왔고, 그 연구의 영역과 연구 내용 또한 훨씬 방대해서, 이 기술동향 보고서에서는 암 치료 결과(prognostic) 예측 연구에 제한해서 이야기하고자 한다. 의료 진단 쪽의 인공지능 활용에 대한 연구동향 보고서는 차후에 또 다른 보고서에서 다루기로 한다.<br /> <br /> <strong>** 원문은 파일 다운받기를 해주세요 :-)</strong> |
