서론
유방촬영은 유방암 검진을 위한 표준 검사로, 대규모 무작위대조군연구를 통해 사망률 감소가 입증되어 많은 국가에서 기본 검진으로 채택하고 있는 검사이다. 비교적 시행이 간단하고 저렴한 검사지만, 수검자의 특징과 판독 의사의 경험에 따라 진단 성능에 큰 차이를 보인다. 특히 우리나라에서 주된 검진 대상이 되는 40–59세의 여성들의 70%에서 치밀한 유방 밀도를 가지는 것으로 알려져 있으며[1], 이는 유방촬영에서 종괴를 가려지게 할 수 있어 유방촬영의 주요한 제한점이 된다. 또한 유방촬영의 진단 정확도는 판독의의 숙련도에 따라 큰 차이를 보이고, 한 연구에서는 누적 20,000건 이상의 판독 경험을 가진 판독자에서 최적의 진단 성적을 보임을 밝혔다[2]. 그러나 현실적으로 모든 판독자가 이게 걸맞은 충분한 숙련도를 갖추기는 어렵다. 최근 국내 대규모 국가암검진 데이터로부터 분석된 유방촬영의 민감도는 70% 미만으로 보고되었는데, 우리가 유방촬영에서 놓치는 암의 비율이 30%라는 의미가 된다[3].
실제 이러한 유방촬영의 제한점은 유방암의 조기 발견을 늦추고, 때로는 불필요한 재검과 조직검사를 야기한다. 이를 개선하기위한 노력으로 유방촬영에서는 컴퓨터진단보조프로그램(computer-aided diagnosis/detection)이 지난 10년 이상 사용되어 왔는데, 과도한 위양성 표지로 인해 진단에 도움을 주지 못하는 것으로 밝혀짐에 따라 사용이 감소하였다[4]. 이후 빅데이터에 기반한 기계학습의 발달에 힘입어 보다 정확한 유방암 진단을 돕기 위한 인공지능 알고리즘이 개발되었다[5]. 전 세계적으로 여러 종류의 프로그램이 제안되었고, 대규모 연구를 통해 검증된 성능을 바탕으로 일부는 상용화되어 임상 환경에서 활용 범위를 넓혀 가고 있다[6]. 최근 발표된 대규모 전향 연구에서는 다양한 경험치를 가진 판독의들의 진단을 보조하여 정확도를 높여줌과 동시에, 영상의학과 의사가 일상적으로 부담하고 있는 많은 양의 유방촬영 영상의 중요도를 분류함으로써 업무 부담을 경감할 수 있음을 보여주었다[7–10].
이번 종설에서는 검진 유방촬영에 대해 인공지능 기반 진단프로그램(artificial intelligence-based computer-aided diagnosis, AI-CAD)을 적용하여 판독의 정확도 및 효율성을 높이는 방안 및 국내 임상 활용에 대해 고찰해보고자 한다.
판독 정확도의 향상
현재 유방촬영에 근거한 유방암 검진은 영상의학과 의사의 판독에 온전히 의존하고 있다. 그러나 숙련된 판독자라고 하더라도 우리나라와 같은 치밀 유방이 다수를 차지하는 환경에서, 분명하지 않은 형태의 의심 병변을 놓치거나(위음성), 이상 소견으로 추가 검사를 권고했으나 암이 아닌 경우(위양성)는 불가피하게 발생한다. 검진의 목적은 암의 조기 발견이므로, 높은 민감도를 유지하는 것에 중점을 두고 있지만 실제 유방촬영에서는 보이지 않는 암(occult cancer, 잠재암)도 존재하며, 양성(benign) 소견과 구별되지 않는 암도 존재한다. 2025년 발표된 2009–2020년 국내 국가암검진 유방촬영의 민감도는 64–69%, 특이도는 82–89%로 나타났다[3].
최근 몇 년 사이에 제안된 완성도 높은 AI 알고리즘은 유방암 진단에 있어 숙련된 판독자와 유사한 수준의 정확도를 보여주며, 암별견율을 증가시켰다(Figures 1, 2) [11–13]. 2024년 기준 국내에 허가된 유방촬영 AI-CAD는 두 가지가 있다. 국내에서는 2019년에 최초로 허가된 ㈜루닛사의 프로그램이 주로 활용되고 있는데, 2020년 발표된 논문에서는 리더스터디에 참여한 14명 영상의학과 의사의 평균 판독 정확도를 통계적으로 유의하게 향상시킨 것으로 보고하였다[14]. AI 보조 판독과 의사 단독 판독간의 정확도 차이는 유방 영상을 전공하지 않은 영상의학과 의사들에서 더욱 크게 나타났다[14]. AI-CAD가 개발되기 전 과거에 사용되었던 전통적 CAD는 유방촬영 사진 내 너무 많은 이상 표지로 인한 과도한 위양성 결과가 문제였고, 이는 결국 판독의 효율성을 저해하여 사용 만족도가 떨어졌다. 반면, AI-CAD는 진단 민감도를 유지하면서도 전통적 CAD에 비해 위양성 소견을 매우 낮게 유지한 것이 주요한 차등점이라고 볼 수 있다[15]. 다만 AI-CAD 프로그램은 학습된 데이터의 양과 질 및 기반 알고리즘의 차이에 따라, 상용화된 프로그램 사이에서도 그 성능에 차이를 보일 수 있다[16].
또한 리더스터디의 결과는 전향 연구를 통해 검증 절차를 거쳐야 하는데, 최근 유럽 국가에서 발표된 대규모 전향 연구들에서는 AI-CAD의 결과를 참고한 판독이 재검률(recall rate)을 높이지 않으면서도 암발견율을 높일 수 있음을 보고하였다[7–9]. 국내에서는 2025년 3월 전향 연구 결과가 발표되었고, 국가암검진으로 유방촬영을 시행한 6개 대학병원 24,543명의 검진 환자를 대상으로 AI-CAD 보조 판독과 의사 단독 판독 결과를 비교한 결과 AI-CAD의 결과를 참조한 경우 의사 단독 판독에 비해 유의미하게 높은 암발견율을 보고하였다. 다만, 재검률에 있어서는 AI-CAD 사용 여부에 따라 10년 이상의 유방 영상 경력을 가진 영상의학과 의사 그룹의 경우 차이가 없었으나, 일반 영상의학과 의사 그룹에서는 AI-CAD를 참조하면서 더 증가하는 경향을 보였다[10]. 이 연구 대상의 2년간의 추적 결과에 대해서는 추후 발표될 예정에 있다.
판독 효율성의 향상
일반적인 검진 유방촬영에서는 1% 미만이 유방암으로 진단되며, 대부분의 판독 업무는 정상 소견의 유방촬영을 판독하는 데에 치중되어 있다. 검진의 활성화에 따라 유방촬영 건수는 지속적 증가추세에 있고, 판독자의 인력은 한정적인 상황에서 AI-CAD가 판독 효율성을 높일 수 있는지는 매우 중요한 화두이다.
하나의 유방촬영에 대해 한 명의 영상의학과 의사가 판독을 하는 우리나라나 미국과 달리, 유럽 국가들의 경우 두 명의 의사가 이중 판독을 시행한 후 의견이 맞지 않는 경우 합의 판독(consensus reading) 혹은 세 번째 의사에 의한 중재 판독(arbitration reading)을 시행한다. 최근 유럽에서 발표된 대규모 전향 연구에서는 기존의 이중 판독과 한 명의 영상의학과 의사와 AI의 보조 판독을 비교하여, 이중 판독에 비해 AI 보조 판독이 4–17.6% 높은 암 발견율을 보인 바 있다[7,8]. 기존의 이중 판독에 비해 전체 판독량은 절반 이상으로 줄어든 셈이다. 표준 이중 판독에 비해 암 발견율 및 재검률 모두에서 우월한 결과를 보이고 있어, 향후 유럽에서는 AI-CAD가 폭넓게 현장에서 활용될 것으로 기대된다.
그러나 우리나라와 같은 단독 판독 환경에서는 의사의 영상 확인 없이 AI의 결과로 대체하는 방향이 아니고서는 이러한 판독량의 감소를 입증하기는 어렵다. 다만 AI-CAD를 참고하여 판독하는 것이 판독에 소요되는 시간을 줄여줄 수 있으며, 특히 유방촬영에 비해 판독에 긴 시간이 소요되는 디지털 유방 단층촬영(digital breast tomosynthesis)에서 이러한 시간 절감 효과가 보고된 바 있다[17]. AI-CAD의 효율성을 극대화하기 위해서는 Picture Archiving and Communication System (PACS)으로 AI-CAD 분석 결과를 포함시켜 참조하기 편리한 환경을 구축하는 것이 필수적이다. 이를 통해 추가적으로 AI-CAD 결과를 확인하는 데 소요되는 시간과 노력을 최소화할 수 있다. 또한 최근 PACS는 유기적으로 AI-CAD와 기능 통합을 제공하기도 하는데, PACS 내 판독리스트에서 유방촬영 영상을 클릭하여 열어보기 전 AI-CAD의 결과 점수를 리스트 상에 표기해줌으로써 판독해야 할 영상들의 응급도 및 위중도를 분류할 수 있다(Figure 3). 일반적으로 판독에 소요되는 시간은 점수가 높은 영상에서 훨씬 더 오래 소요되므로, 제한된 시간을 좀 더 효율적으로 사용할 수 있고 추가 검사를 요하는 환자의 판독을 가장 우선적으로 처리할 수 있게 된다.
유방암 위험도 예측
기존의 유방암 위험도 예측 모형은 가족력, 호르몬 인자, 이전 유방 생검력 등 임상 인자에 기반하였으나, 유방촬영 상의 치밀도가 중요한 위험 인자로 밝혀짐에 따라 이를 추가하여 유방암에 대한 예측력을 높였다[11]. 유방촬영 상의 치밀도는 Breast Imaging Reporting and Data System 기준에 따라 영상의학과 의사의 주관적 판단으로 4단계로 분류되고 있으나, 판독자간, 심지어는 한 판독자의 판독 내에서도 일치도가 낮은 것으로 알려져 있다[18]. AI-CAD는 유방 치밀도에 대한 보다 일관적인 평가 값을 제공할 뿐만 아니라, 영상의 픽셀 기반 정보에 기반하여 치밀도 이상의 유방암 위험도 평가에 활용될 수 있다[1].
최근 Yala 등[19]은 검진 유방촬영에 AI 모델을 적용하여 유방암 위험도 예측을 시도하였는데, 기존의 위험도 예측 모형(Tyrer-Cuzick model version 8)에 비해 유의하게 높은 유방암 예측력을 보여주었다. AI 모델의 특성상 이 모델이 어떤 특징을 근거로 유방암 위험도를 예측하는지에 대해서는 분명하지 않으나, 치밀도 외에도 양측 유방의 비대칭성과 같은 광범위한 영상 소견에 기반하는 것으로 보인다[20]. 유방암의 긴 잠복기를 고려한다면, 유방암 발생 위험도의 예측은 현재 정상인 유방에서 앞으로 발생할 수 있는 유방암의 가능성 추정과 육안상 미묘한 병변의 이른 발견을 모두 포함할 수 있다. 실제 유방암이 진단되기 전 시행된 과거의 검진 촬영상에서 정상측 유방과 달리 환측 유방의 AI-CAD 점수가 오름 추세를 보이는 것으로 나타났다[21,22]. 현재 AI를 기반으로 한 개인의 유방암 위험도 예측 및 맞춤형 검진 전략을 수립하기 위한 연구가 진행되고 있으며[23], 미래에는 AI 모델을 기반으로 초음파, 자기공명영상(magnetic resonance imaging)과 같은 추가 검사를 권하거나, 개인에 맞춘 검진 주기를 제안하는 방식으로의 활용도 기대해 볼 수 있다.
국내 임상 적용
현재 식약처에서 진단보조 소프트웨어로 허가된 프로그램의 경우 이를 구매하여 판독 시 참조할 수 있다. 구매 후 병원에서 갖추고 있는 PACS에 적용시키거나 별도의 프로그램을 통해 분석 결과를 확인할 수 있다. 2023년 6월 국내에서 조사된 결과에 따르면 유방 영상 전문의 100명 중 95명이 AI-CAD의 사용 경험이 있다고 답하였고, 이후 최근의 사용률은 더욱 증가했을 것으로 보인다[24]. 프로그램 도입의 가장 큰 장애물은 비용 문제로 여겨지는데, 2024년 3분기부터 유방촬영에 대한 AI-CAD가 보건복지부 산하 한국보건의료연구원으로부터 평가 유예 신의료기술로 선정되어 각 병원에서 최대 5년간 비급여로 사용할 수 있게 되었다. 이 기간 동안 창출된 임상 근거를 토대로 이후 건강보험 등재 여부를 결정하게 된다.
일시적으로 국내 비급여 체계로 들어오면서 일부 비용 문제가 해소되고, 실제 임상 현장에서 사용률이 높아질 것이 기대되는 만큼 이제 보다 현실적인 문제를 고민해야 한다. 판독의 결과는 판독한 의사의 책임이므로 판독 과정에서 AI-CAD를 참고하더라도 최종적인 판독문의 작성은 의사를 통해 이뤄져야 하고, 같은 맥락에서 AI-CAD의 단독 판독은 현실적으로 어렵다. 나아가서 의사의 최종 판독과 AI-CAD의 분석 결과가 달랐던 경우, 특히 돌이켜 본 결과에서 AI-CAD의 분석이 옳았던 것으로 판단된다면 그 파급효과에 비례하여 복잡한 문제가 발생할 수 있다. 따라서 실제 환자에게 비용을 청구하고 이를 임상 판독에 활용한다면 AI-CAD의 분석 결과에 대해서는 보다 예민하게 확인하고 재검을 결정해야 하며, 최소한 판독문에 AI의 결과를 참고했음을 남겨두는 것이 필요하다.
물론 이러한 임상 적용 단계에 앞서 선제적으로 확보되어야 하는 것은 AI-CAD 프로그램의 적정 수준의 성능이며, 이를 바탕으로 한 의료진의 신뢰도이다. 국내에서 축적되고 있는 연구 결과 및 평가 유예 신의료기술로 첫 스타트를 끊은 유방촬영 AI-CAD의 향후 5년이 주목되는 이유다. 앞으로 발표될 다양한 프로그램의 성능을 모니터링하는 체계 및 임상 현장에서의 적절한 활용에 대한 가이드라인도 함께 설정해야 한다.
PDF Links
PubReader
ePub Link
XML Download
Full text via DOI
Download Citation
