인공지능(AI) 기반의 병리조직 이미지 판독 및 정량화
nProfiler® OlivA G는 위암의 조직학적 특성에 따라 분류된 병리조직 정보(패턴)를 인식하도록 학습한 인공지능 알고리즘으로, 위암의 병리조직 슬라이드 H&E(헤마톡실린-에오신)
염색 WSI(Whole-Slide Image)에서 암 병변부위와 정상부위(비병변 부위)로 분류하여 샘플링하는데 도움을 주는 소프트웨어입니다.
분류된 암 병변부위는 암 조직 및 암에 의해 변형된 조직과 같은 병변 조직을 포함하고 있고, 정상부위는 정상 점막 조직, 정상 점막하 조직, 정상 근육 조직 등을 보여줍니다.
본 소프트웨어의 인공지능 알고리즘이 분류하는 위암의 H&E 염색된 병리조직은 15 종류의 카테고리로 구성되어 있습니다. 판독하고자 하는 병리조직을 입력하면 알고리즘의 분류 카테고리에 따라서
색상으로 표기되며, 카테고리의 분율 분석 결과를 확인할 수 있습니다. 또한 소프트웨어에서 제공하는 기능을 사용하여 원하는 영역을 선택할 수 있으며,
선택된 특정 영역 내의 병리조직 분율 분석 결과를 확인할 수 있습니다.
위는 기본적으로 점막층, 점막하층, 근육층, 장막층의 층 구조로 이루어져 있고 각 층은 조직학적 구조가 상이합니다. 위암 병리조직의 조직학적 구조는 H&E 염색이라는 방법을 통해 시각적으로 구분할 수 있게 되며,
병리전문의는 일반적으로 위암 병리조직 절편을 H&E 염색하여 암의 침윤 정도를 확인하고 병리학적 등급을 진단합니다. 본 제품은 병리전문의가 위암의 병리학적 등급을 진단하는데 암 병변부위에 대한 보조적인 정보를
제공함으로써 진단의 안정성을 높일 수 있습니다.
최근에는 암의 예후진단 검사와 약물 적합성 유무를 위한 동반진단 검사와 같이 유전자 및 분자 진단검사를 위하여 검체를 채취하여 사용하는 사례가 증가하고 있습니다.
이러한 진단검사의 안정성과 정확도를 높이기 위해서 암 병변부위를 정확하게 확인하여 채취하는 것이 중요합니다. 이에 본 제품은 의료진 또는 임상병리사가 위암 진단검사를 위하여
병리조직에서 암 병변부위를 채취하는 시료 샘플링 시행에서 추가 정보를 제공하여 병리조직 샘플링의 정확성을 높일 수 있습니다.
합성곱 신경망(CNN) 딥러닝 방법론으로 학습한 인공지능 알고리즘 개발
nProfiler® OlivA G는 위암의 조직학적 특성에 따라 분류된 병리조직 정보(패턴)를 인식하도록 딥러닝 기술로 학습한 알고리즘을 탑재한 [위암 병리 이미지 패터닝 인공지능 시스템]입니다. 알고리즘 학습을 위해
사용한 위암의 병리조직 정보는 이미지에서 세포의 모양, 크기, 패턴, 염색된 색상 차이 및 상태 등의 조직학적 특성에 따라서 분류한 정보입니다.
본 인공지능 제품 개발의 주요 방법론으로 이미지 처리에 탁월한 성능을 보이는 합성곱 신경망(CNN; Convolutional Neural Network) 딥러닝 학습방법을 사용하였습니다.
합성곱 신경망은 이미지의 공간적인 구조 정보를 특성 정보로 변환하여 학습할 수 있는 방법으로, 특히 객체, 얼굴, 장면 등과 같이 인식하고자 하는 이미지의 패턴을 처리하는데 유용하여
자율 주행 자동차와 얼굴 인식 애플리케이션과 같이 객체 인식과 컴퓨터 비전이 필요한 분야에 활용되고 있습니다.
병리조직 이미지를 조직학적으로 분류하는 시스템을 만들기 위해서 인공지능 알고리즘을 학습시킬 데이터베이스가 필요합니다. nProfiler® OlivA G의 시스템을 학습할 때
위암 환자 병리조직 슬라이드를 가지고 암이 의심되는 조직과 그 주변 조직 그리고 정상조직을 식별하고, 조직 슬라이드에 있는 여러가지 병리조직의 유형을 구분하는 학습을 진행하였습니다.
알고리즘이 병리조직 유형 구분하는 것을 학습할 때, 224X224 픽셀 크기의 약 12만 개 패치로 분할된 병리조직 슬라이드에 있는 병리조직 유형을 15 종류로 라벨링하여
정보 데이터베이스를 구축하였습니다.
| nProfiler® OlivA G의 인공지능 알고리즘 분류 카테고리 | ||||
|---|---|---|---|---|
| 구분 | 카테고리 (색상) | 설명 | ||
| 암병변 부위 | C-01 | sC-01 | 암 조직 Tumor | |
| sC-02 | 근육을 포함하는 암 조직 Tumor, including muscle | |||
| sC-03 | 기질을 포함하는 암 조직 Tumor, including stroma | |||
| sC-04 | 암 주변 섬유성 결합조직을 형성한 조직 Desmoplastic tissue | |||
| sC-05 | 점액질을 포함하는 암 조직 Mucinous Tumor | |||
| 정상 부위 | C-02 | sC-06 | 점막 조직 Normal mucosa | |
| sC-07 | 기질 조직 Normal stroma | |||
| sC-08 | 점막근 특징을 띠는 근육 조직 Muscle tissue analogous to muscularis mucosa | |||
| sC-09 | 갈라짐이 발생한 근육 조직 Muscle tissue including cracking | |||
| sC-10 | 고유근 특징을 띠는 근육 조직 Muscle tissue analogous to muscularis propria | |||
| sC-11 | 지방 조직 Adipose tissue | |||
| sC-12 | 림프성 여포 조직 Lymphoid follicles | |||
| Others | C-03 | sC-13 | 잔존 혈구 Unremoved red blood cells | |
| sC-14 | 기타 조직 (세포 잔해, 가장자리, 노이즈 등) Others (debris, noise, and so on) | |||
| sC-15 | 배경 Background | |||
향후 ㈜노보믹스는 nProfiler® OlivA G에서 축적된 DB와 유전체 기반의 nProfiler® 1 Stomach Cancer Assay진단검사에 의한 예후 결과를 종합적으로 분석한 환자 정보를 제공할 것으로 보고 있습니다.