젊은 환자들에게서 발견되는 유방암은 나이가 많은 환자들에게서 발견되는 유방암보다 공격적인 경우가 많다. 그러나 특정한 경우에 유방암을 발견하기가 쉽지 않다.

암 환자는 병을 늦게 감지하기 때문에 사망하는 경우가 많다. 병을 발견했을 때 이미 손을 쓸 수 없는 상태이기 때문이다. 젊은 환자들은 몸 상태가 좋지 않더라도 대개는 병을 의심하지 않는다. 또 병원에 가더라도, 의사가 집중력 저하, 경험 부족 등의 이유로 병을 감지하지 못하거나 병원의 의료 기기가 낙후돼 병을 알지 못하는 경우가 발생한다.

유방암 진단이 잘못되는 원인

의사가 경험과 지식이 부족하면 희귀질환을 진단하지 못하는 경우가 있다. 대부분 의사는 특정 전공 분야가 있고, 한정된 범위의 엑스레이 사진 등을 보기 때문에 전체 사진을 보지 못한다. 전체 사진을 볼 기회가 있더라도 시간이 부족해 못 보는 경우가 있다. 이 경우 엑스레이나 CT 스캔, MRI 등이 질병을 진단하기에 충분하지 않다.

유방 조영술

유방 촬영술 혹은 유방 조영술은 숙련된 방사선 전문의가 수행하는 복잡한 과정이다. 조기 유방암 진단에 매우 중요한 기술이지만, 만약 의사가 병을 간과한다면 부정적인 결과가 나타날 수 있다.

구글의 AI, LYNA

구글은 인공지능(AI)을 사용해 의료 분야가 한 걸음 더 나아갈 수 있도록 만들기 위해 AI에 유방암을 진단하는 방법을 가르치고 있다. '인공지능에 기반한 유방암 림프절 전이 감지'라는 제목의 새로운 연구에 따르면, 구글은 'LYNA(Lymph Node Assistant)'라는 AI를 훈련해 다른 건강한 림프절에 전이될 위험이 있는 유방암을 진단하도록 하고 있다. 그런 다음 암의 병기를 알아보는 TNM 분류법으로 암이 얼마나 퍼졌는지 상태를 알아본다.

암이 림프절로 확산되면 치료가 매우 까다롭다. 구글의 공식 블로그 포스팅에 따르면, 전이성 림프절 단계는 1~4단계로 분류된다. 이때 아주 작은 수준의 전의는 겨우 38%만 사람 의사가 발견한다. 의료진이 각기 다른 슬라이드를 여러 번 검토할 시간이 없기 때문이다. 이런 경우 LYNA가 큰 도움이 된다. LYNA는 암이 없는 슬라이드로 전이된 암을 99% 탐지했다. 또한 암이 어떤 위치로 전이됐는지 정확하게 짚어냈다. 그중 일부는 너무 작아서 숙련된 병리학자들도 알아보기 힘든 위치였다. 즉, LYNA는 인간 병리학자가 놓친 암 전이 부위를 탐지해 최종 진단을 내리는 데 도움을 준다.

구글은 LYNA의 도움을 받을 경우 병리학자가 슬라이드 표본을 검토하는 시간이 절반으로 줄어들 수 있다는 사실을 발견했다. AI는 다양한 문제를 해결하는 데 사용될 수 있으며 수백만 명의 환자에게서 아직 발견되지 않은 질병을 찾아낼 수 있다. 유럽 종양학회(ESMO)의 대변인 마테오 람베르티니 박사는 "40세 미만인 여성은 더 공격적인 유방암 유형을 진단받는 경우가 많다. 예를 들어 비교적 젊은 여성은 3중 음성 및 HER2 양성인 종양을 갖고 있을 가능성이 크다. 그러나 적절한 치료를 받는다면 생존률은 다른 유방암 환자와 다르지 않다"고 설명했다.

일부 방사선 전문의들은 AI의 등장을 환영하지만, 다른 방사선 전문의들은 아직 AI의 유효성을 의심하고 있다.

그러나 기술이 발달하면서 AI가 미래에 유방암은 물론 다른 암을 탐지하는 데 사용될 가능성은 매우 높다. 의료진과 환자들은 AI가 매우 높은 정확도로 암을 탐지할 수 있다는 사실을 알아야 한다. 물론 AI를 이용한 진단 기술은 아직 연구 중이다. 하지만 앞으로의 활용 가능성은 매우 유망하다.

스카이체인 글로벌

모스크바에 기반을 둔 스타트업인 스카이체인 글로벌은 의료 진단을 위해 AI를 훈련할 블록체인 인프라를 구축하고 있다. 고유의 인공신경망(ANN)을 거의 완성했다. 스카이체인 글로벌의 AI는 질병을 탐지할 수 있고 병리학자들은 이 신경망을 활용해 암세포를 찾아낼 수 있다.

정확도에 영향을 줄 수 있는 요소

현재 AI의 암 진단 정확도는 열 화상 측정 사진을 이용했을 때 85% 수준이다. 열 화상 진단은 유방의 대칭 상태, 체온 등 여러 요인에 따라 달라진다. 스카이체인 글로벌의 인공신경망은 열 화상 카메라로 찍은 건강한 세포부터 악성 세포까지 다양한 세포의 사진을 세분화해 여러 종양 조직을 인식할 수 있다. 이 기술은 머지않아 상용화될 것으로 보인다.