유방암 검진 현황과 병목점
미국에서는 매년 약 4천만 건의 유방촬영 검사가 이루어집니다. 그러나 향후 10년간 방사선과 전문의 수가 수만 명 부족할 것으로 예상되어 검사 판독 capacity에 부담이 가중되고 있습니다. 또한 진단 후 치료 결정을 위한 유전자 검사는 외부 의뢰에 수주가 소요되어 속도와 확신이 필요한 시점에 지연이 발생합니다. 이러한 검진·진단·치료의 각 단계에서 지연과 오류가 환자의 예후에 직접적인 영향을 미칩니다.
영상 자동화: iSono Health의 ATUSA 플랫폼
iSono Health는 FDA 승인을 받은 ATUSA(Automated 3D Quantitative Ultrasound) 시스템을 통해 검사 워크플로를 간소화합니다. 이 장치는 착용 가능한 형태이며, 한 쪽 가슴당 약 2분에 표준화된 유방 부피를 캡처합니다. 반면 일반 휴대용 2D 초음파는 최대 45분이 소요됩니다.
| 항목 | ATUSA (자동 3D 초음파) | 일반 휴대용 2D 초음파 |
|---|---|---|
| 검사 시간 (한쪽 가슴) | 약 2분 | 최대 45분 |
| 민감도 향상 | 28% 더 높음 (회사 주장) | 기준 |
ATUSA의 AI는 수천 개의 전체 유방 스캔, 즉 150만 초음파 프레임을 학습하여 이미지 획득을 자동화합니다. NVIDIA GPU 가속과 오픈소스 의료 영상 기술을 활용해 3D 스캔을 생성하며, 이는 handheld 2D 초음파보다 28% 더 민감하다고 회사 측은 밝혔습니다. handheld 초음파는 프로브를 잡는 사람의 기술에 따라 결과가 달라져 연간 비교가 어렵지만, ATUSA는 동일한 방식으로 전체 유방을 촬영해 반복 가능한 조직 시각화를 제공합니다. 이를 통해 의사는 시간에 따른 조직 변화를 분석하고 operator 오류 및 변동성을 줄일 수 있습니다.
ATUSA는 현재 캘리포니아, 텍사스, 조지아, 테네시, 워싱턴 D.C.의 파트너 클리닉을 통해 상용화되어 있으며, 새로운 사이트가 정기적으로 추가되고 있습니다. iSono Health의 CEO인 Neda Razavi는 "환자에게 더 가까운 위치에서 스캔을 얻는 것이 첫 번째 breakthrough"이라고 말하며, 향후 AI를 병변 탐지, 3D 분할, 병변 분류에 적용하고 멀티모달 진단 지능으로 확장할 계획이라고 밝혔습니다. 현재 3,200명을 대상으로 한 다기관 임상 연구가 UC Davis와 Vanderbilt University Medical Center에서 진행 중입니다.
밀도 평가 및 위험 예측: Whiterabbit.ai의 솔루션
Whiterabbit.ai는 FDA 승인을 받은 WRDensity 소프트웨어로 mammogram으로부터 유방 밀도를 자동 평가합니다. 이 도구는 이미 수십만 명의 환자 진료에 사용되었습니다. 또한 WRRisk라는 임상 의사결정 지원 소프트웨어를 개발해 환자의 장기적 유방암 발병 위험을 추정하고 있습니다. 차세대 mammography용 AI도 연구 중으로, 이는 방사선과 의사가 더 많은 암을 발견하면서 음성 mammogram의 선별 작업을 자동화하는 것을 목표로 합니다.
"매일 방사선과 전문가는 200장의 mammogram 속에서 약 1개의 암을 찾는 바늘 찾기 문제를 겪고 있습니다." — Jason Su, Whiterabbit.ai 공동 창업자 겸 CTO
Whiterabbit의 AI 모델은 워싱턴 대학교 세인트루이스에 위치한 NVIDIA GPU 클러스터에서 훈련되며, 클라우드 내 추가 GPU 용량을 보완으로 사용합니다. 추론은 클리닉에 직접 배치된 NVIDIA GPU에서 수행됩니다. 이를 통해 방사선과 전문가의 업무 부담을 줄이고 결과를 신속히 제공하며, 환자의 불필요한 재콜백을 줄여 downstream 의료 비용을 낮추는 것이 기대 효과입니다.
치료 반응 예측: Ataraxis AI의 임상 인텔리전스
진단 후 치료 선택 시, 조직 검사와 2~4주 대기 시간이 필요한 현 한계를 극복하기 위해 Ataraxis AI는 디지털 병리 슬라이드와 표준 임상 변수를 기반으로 치료 반응 및 재발 위험을 예측하는 임상 인텔리전스를 구축했습니다. 현재 종양학자들이 활용하는 도구는 약 15년 전에 한 번 훈련된 모델로 업데이트되지 않은 상태입니다.
"우리의 모델은 임상 시험 데이터를 얻을 때마다 점점 강해집니다." — Joseph Cappadona, Ataraxis AI 기술 staff
Ataraxis의 두 가지 주요 모델은 다음과 같습니다.
- 수술 전 항암 요법이 종양을 충분히 축소시켜 반응을 유도할 가능성을 예측하는 모델
- 수술 후 5년 재발 위험과 이후 항암 요법의 예상 이익을 추정하는 모델
이 모델들은 10개 이상의 기관과 다수의 임상 시험에서 검증되었으며, 현재 임상에서 활발히 사용되고 있습니다. 실행 환경은 온프레미스 NVIDIA GPU, 오프사이트 데이터 센터, 클라우드이며, PyTorch에 NVIDIA CUDA를 적용해 가속화됩니다.
3D 시각화 및 정밀 의학: SimBioSys의 접근
SimBioSys는 유방암 인식의 달 패널에서 NVIDIA와 함께 참여하여, 종양·정맥·연조직 등의 정확한 3D 모델을 생성하는 AI 기반 정밀 의학 기술을 선보였습니다. 이 플랫폼은 multimodal 데이터(영상 검사, 병리 결과, 해당 시 유전자 검사, 기타 생물학적 입력)를 통합해 AI로 종합적인 인사이트를 제공합니다.
"우리는 이제 multimodal 데이터를 모두 모아 AI로 통합할 수 있는 플랫폼을 구축하고 있습니다." — Stacey Stevens, SimBioSys CEO
또한 SimBioSys는 환자의 유방 MRI, 종양 병리, 임상 데이터로부터 얻은 3D 부피 데이터를 기반으로 유방암 재발 위험을 추정하는 도구를 개발했습니다. 이를 통해 수술 계획 및 치료 방향 결정에 정량적인 정보를 제공할 수 있습니다.
종합적 시사점 및 So What?
위 네 스타트업은 영상 자동화에서 시작해 밀도 평가, 치료 반응 예측, 3D 시각화에 이르기까지 유방암 관리 전 과정을 포괄합니다. 각각의 솔루션은 구체적인 성능 지표(검사 시간 2분 vs 45분, 민감도 28% 향상)와 다기관 임상 검증(3,200명 연구, 10개 이상 기관 검증)을 바탕으로 실제 의료 현장에 도입되고 있습니다. 이러한 AI 기반 도구는 방사선과 전문가의 인력 부족을 완화하고, 진단·치료 결정을 가속화하며, 환자의 불필요한 재검사와 의료 비용을 줄이는 데 기여할 수 있습니다. 향후 멀티모달 데이터 통합과 지속적인 모델 업데이트가 임상 현장에서의 표준 치료 방식에 어떻게 변화를 가져올지 주목할 필요가 있습니다.