림프종 아형, 조직검사 없이 PET영상으로 예측

국내 연구진이 조직 검사 없이 PET 영상만으로 림프종 아형을 예측할 수 있는 인공지능(AI) 기술을 개발했다.

허재성 아주의대 교수(아주대병원 방사선종양학과), 박용진 교수(핵의학과), 김선화 연구원(방사선종양학과) 연구팀은 대규모 다기관 연구를 통해 서로 다른 병원과 장비 환경에서도 림프종 아형 예측에 대한 안정적인 성능을 유지하는 AI 모델을 구현했다. 이번 연구는 AI 기반 영상 분석의 실제 임상 적용 가능성을 한 단계 끌어올린 성과로 평가된다.

림프종은 아형에 따라 치료 방법과 예후가 크게 달라 정확한 구분이 중요하지만, 조직검사를 거쳐야 해 진단까지 시간이 오래 걸리며, PET 영상을 활용한 기존 연구 역시 병원별 장비와 촬영 방식 차이로 인해 일관된 성능 확보에 어려움이 있었다.

연구진은 이런 문제를 해결하기 위해 PET 영상과 임상 정보를 함께 분석하는 AI 모델 LymphoMAP을 개발했다. 이 모델은 병원마다 다른 장비와 환경에서도 일관된 기준으로 림프종 아형을 분류하도록 설계됐다.

이 연구는 20002022년 국내 12개 의료기관에서 수집된 1424명의 림프종 환자 데이터를 활용했다. 연구진은 PET 영상 이미지와 연령, LDH 수치, 혈액 검사 결과 등 주요 임상 정보를 함께 분석하고, PET/CT 장비 차이는 AI가 스스로 보정하며 학습하도록 설계해 진단 정확도를 높였다.

연구 결과, LymphoMAP은 호지킨비호지킨 림프종을 연구 참여 병원과 다른 병원 데이터 모두에서 높은 정확도(AUC 0.89, 0.84)로 구분했으며, 임상 정보를 함께 활용했을 때 성능이 뚜렷하게 향상(AUC 0.77 0.89)되면서, 영상과 임상 정보를 함께 분석하는 다중 모달 접근법의 효과를 입증했다.

연구진은 이번 연구는 조직 검사 이전 단계에서 PET 영상과 임상 정보만으로 림프종 아형을 예측할 수 있는 가능성을 제시한 것이라며 향후 병리 진단을 대체하기보다는, 진단 지연이나 조직 확보가 어려운 상황에서 임상 의사결정을 보조하는 AI 도구로 활용될 수 있을 것이라고 설명했다.

이번 연구는 국제학술지 Cancers 2026년 1월호에 게재됐다. 논문제목은 18F-FDG PET 영상과 임상 데이터를 활용한 림프종 아형 분류를 위한 다중 모달 딥러닝 모델: 다기관 연구.