자궁근종은 자궁의 대부분을 이루고 있는 평활근에 생기는 종양으로 매우 흔하게 발생하는 양성질환이다. 평활근 세포가 비정상적으로 증식해 발생하며 조직검사 없이 초음파만으로도 진단이 가능하다. 증상이 없을 경우 경과관찰만 하지만 근종이 크거나 증상이 발생하면 약물치료나 근종적출, 자궁절제 등 수술이 필요하다.
반면 자궁평활근육종은 평활근세포에서 발생하는 악성종양으로 매우 드문 희귀암이다. 자궁근종과 모양이나 크기가 차이가 없기 때문에 초음파, 자기공명영상(MRI) 등 영상검사만으로는 자궁근종과 구별이 불가능하다. 수술 전 진단이 어렵고 일반적으로 양성 자궁근종 수술 후에 행하는 조직검사에서 진단된다.
이 때문에 자궁근종인데 자궁평활근육종을 우려해 수술 받는 경우가 있다. 또 자궁근종으로 생각하고 근종만 제거하는 수술을 받았는데 자궁평활근육종으로 진단돼 자궁을 제거하는 수술을 다시 받는 경우가 있으며 자궁평활근육종환자가 근종만 제거하는 수술을 받은 경우 암세포가 퍼지며 재발률과 사망률이 증가하기도 한다. 따라서 수술 전 자궁근종과 자궁평활근육종을 구별하는 검사법의 필요성이 제기돼 왔다.
이에 분당서울대병원 산부인과 김기동 교수, 한동대 생명과학부 안태진 교수팀은 자궁근종과 자궁평활근육종을 감별하는 진단 알고리즘 모델을 세계 최초로 개발하고 성능을 입증했다.
교수팀은 114개의 정상 자궁조직 샘플과 31개의 자궁평활근육종 샘플을 바탕으로 연구를 진행, 정상 자궁조직보다 자궁평활근육종에서 발현의 분산이 크게 나타나는 17개의 유전자 ‘전사체(transcripton)’를 기계학습 시켜 ‘심층신경망(DNN)’과 ‘서포트벡터머신(SVM)’등 4가지 분류기를 개발했다. 전사체는 한 세포에 존재하는 모든 RNA 분자의 총합을 뜻한다.
연구팀은 분류기의 성능을 검증하기 위해 35개의 정상 자궁조직 샘플 및 자궁평활근육종 샘플을 수집해 정확도, 민감도 등을 평가했다. 평가지표는 AUC(ROC 커브 아래 부분의 면적의 너비)를 사용했다. AUC는 특정 검사도구의 정확도를 나타내는 통계기법으로 인공지능 러닝 모델의 성능평가 지표로 주로 사용되며 1에 가까울수록 더 높은 정확도를 나타낸다. 연구팀이 개발한 모델 가운데 DNN 분류기의 정확도, 민감도, 특이도 및 균형 정확도가 각각 0.922, 0.889, 1.00, 0.944로 높은 성능을 나타냈다.
김기동 교수는 “영상검사만으로는 구별이 불가능했던 자궁근종과 자궁평활근육종을 감별 진단하는 알고리즘을 성공적으로 개발함으로써 수술 전에 최적의 치료계획을 수립할 수 있는 단초를 제공했다”며 “양성 자궁근종환자는 불필요한 수술을 피할 수 있을 뿐 아니라 자궁평활근육종환자는 조기수술을 시행함으로써 종양의 전이를 최소화할 수 있을 것으로 기대한다”고 말했다.
한편 해당 연구는 방사선종양학 분야의 국제학술지 ‘BMC Cancer’에 게재됐다. 논문 제목은 ‘A diffrential diagnosis between uterine leiomyoma and leiomyosarcoma using transcriptome analysis’이다.
