"AI가 암 생태계 번역"…일반 염색 슬라이드로 치료반응 예측

스탠퍼드대 연구팀이 일반적인 병리 슬라이드 한 장으로 암의 예후와 면역치료 반응을 예측하는 인공지능(AI) 플랫폼을 개발했다.

18일(현지시간) 바이오 전문매체 바이오온에 따르면 스탠퍼드대 리루이장 교수 연구팀은 AI 플랫폼 '캔버스'(CANVAS) 개발 연구 결과를 지난 16일 국제학술지 '셀'(Cell)에 게재했다. 캔버스는 저렴하고 보편적인 H&E 염색 병리 슬라이드 이미지에서 종양미세환경(TME)의 복잡한 구조를 읽어내는 기술이다.

연구팀은 AI 학습을 위한 표준 데이터를 구축했다. 먼저 457명의 비소세포폐암 환자 종양 샘플을 41채널 '코덱스'(CODEX) 공간 단백질체학 기술로 분석했다. 이를 통해 총 1800만개 이상의 세포 분자 지도를 작성하고, 반복적으로 나타나는 10가지 유형의 '세포 근접 영역'을 식별했다.

이후 연구팀은 이 방대한 데이터를 AI 모델 훈련에 사용했다. 캔버스 플랫폼은 H&E 이미지의 세포 형태와 조직 구조를 코덱스로 정의된 세포 근접 영역과 연관 짓도록 학습됐다. 즉, AI가 일반 병리 슬라이드만 보고도 그 이면의 복잡한 공간 생태 구조를 추론할 수 있게 된 것이다.

캔버스의 임상적 가치는 9개 암종, 5000명 이상의 환자 H&E 슬라이드 분석을 통해 입증됐다. 이 플랫폼은 환자의 예후를 정확하게 예측했을 뿐만 아니라, 종양의 공간 생태 유형을 분류하고 면역치료에 대한 반응까지 예측하는 데 성공했다.

이번 연구는 최첨단 공간 단백질체학 기술과 임상 현장의 일반 병리학을 잇는 다리를 놓았다는 평가를 받는다. 고가의 복잡한 분자 진단 없이 기존의 H&E 슬라이드에서 임상적 가치가 있는 공간 생물학 정보를 추출할 수 있음을 증명했기 때문이다. 이는 정밀 종양학 분야에서 새로운 공간 바이오마커의 발굴과 임상 적용을 앞당길 전망이다.