암 병리학에서의 딥러닝: 임상 바이오마커의 새로운 세대

온콜로지의 임상 워크플로우는 예측 및 예후 분자 바이오마커에 의존합니다. 그러나 이러한 복잡한 바이오마커의 수가 증가함에 따라 일상적인 온콜로지 실습에서 의사 결정에 필요한 비용과 시간이 증가하는 경향이 있습니다. 더욱이, 바이오마커는 종종 일상 진단 재료 외에 종양 조직을 요구합니다. 그럼에도 불구하고, 일반적으로 사용 가능한 종양 조직에는 현재 충분히 활용되지 않고 있는 임상적으로 관련 있는 정보가 풍부하게 포함되어 있습니다. 인공지능(AI) 기술인 딥러닝(DL)의 발전은 암의 일상 조직학 이미지에서 이전에 숨겨진 정보를 직접 추출할 수 있게 하였으며, 잠재적으로 임상적으로 유용한 정보를 제공합니다. 여기서는 DL이 조직학 이미지에서 바이오마커를 직접 추출할 수 있는 새로운 개념을 설명하고, 암 조직학을 위한 기본 및 고급 이미지 분석 연구를 요약합니다. 기본 이미지 분석 작업에는 조직학 이미지에서 종양 조직을 탐지, 등급화 및 세부 분류하는 것이 포함됩니다. 이 작업은 병리학 워크플로우의 자동화를 목표로 하며, 따라서 즉각적으로 임상 결정으로 이어지지 않습니다. 이러한 기본 접근 방식을 넘어, DL은 임상 결정 프로세스에 직접 영향을 미칠 수 있는 고급 이미지 분석 작업에도 사용되었습니다. 이러한 고급 접근 방식에는 분자 특성 추론, 생존 예측 및 치료 반응의 종단 간 예측이 포함됩니다. 이러한 DL 시스템이 생성한 예측은 임상 결정 과정을 간소화하고 풍부하게 만들 수 있지만, 임상 환경에서 엄격한 외부 검증이 필요합니다.