유방암 뇌전이 감마나이프 방사선수술의 맞춤형 예측 AI 모델
Frontiers in oncology · 2026
Therapeutic hybrid intelligence with neural and knowledge-based expert reasoning for SRS: an AI model for breast cancer brain metastases.
PMID 42798316
원문 논문 바로가기 →
① 유방암 뇌전이 환자에서 정위적 방사선수술(SRS) 후 국소 제어력을 예측하는 인공지능 모델 'THINKERS-Breast'가 개발되었습니다.
② 이 모델은 종양의 크기, 위치, 유방암 아형, 전신 치료 이력뿐만 아니라 처방 선량까지 입력하여 시뮬레이션할 수 있습니다.
③ 정해진 시점의 반응 여부만 가리던 기존 모델들과 달리, 시간에 따른 국소 실패 위험과 예상 시점을 함께 추정하도록 설계되었습니다.
유방암 뇌전이 치료에서 정위적 방사선수술(SRS)의 역할은 무엇인가요?
유방암 환자 중 일부는 병의 진행 과정에서 뇌전이(brain metastases, 암세포가 뇌로 전이된 상태)를 경험하게 되며, 특히 삼중음성(triple-negative)이나 HER2 양성 아형에서 발생 빈도가 높게 보고된 바 있습니다. 전신 치료법의 발달로 생존 기간이 연장되면서 뇌 부위의 종양을 지속적으로 통제하는 것이 환자의 예후와 삶의 질에 매우 중요한 요소로 자리 잡았습니다. 감마나이프 방사선수술(Gamma Knife radiosurgery, GKRS)은 전뇌 방사선치료(whole-brain radiotherapy, 뇌 전체에 방사선을 조사하는 치료)가 동반할 수 있는 신경인지적 부작용을 피하거나 지연시키면서, 뇌전이 병변 부위에만 집중적으로 방사선을 조사하여 유의미한 국소 제어 효과를 제공하는 표준 치료 옵션 중 하나입니다. 그러나 이러한 효과에도 불구하고 실제 임상 현장에서 최적의 처방 선량을 선택하는 과정은 여전히 주치의의 경험이나 기관의 관행, 종양의 해부학적 위치 등에 크게 의존해 왔습니다.
기존 방사선수술 예측 모델들의 한계점은 무엇이었나요?
그동안 인공지능과 머신러닝을 활용해 정위적 방사선수술 이후의 치료 반응이나 국소 제어 실패를 예측하려는 다양한 연구가 시도되었습니다. 영상 특징 추출 기법인 라디오믹스(radiomics, 의학 영상에서 고차원 데이터를 추출하여 종양의 특성을 분석하는 기술)나 딥러닝 알고리즘을 적용한 선행 연구들은 치료 반응 예측의 가능성을 보여주었습니다. 하지만 대다수의 기존 모델들은 정해진 시점에서 단순하게 반응 여부를 이진 분류하는 데 그쳤으며, 개별 환자가 다른 후보 처방 선량을 받았을 때 결과가 어떻게 달라지는지 시뮬레이션하는 기능을 갖추고 있지 않았습니다. 또한 종양의 생물학적 특성과 시간 흐름에 따른 국소 실패 프로파일을 통합적으로 반영하는 프레임워크가 부족하여, 실제 치료 계획 수립 시 개별화된 선량 평가를 지원하는 데 한계가 있었습니다.
새로 개발된 THINKERS-Breast 모델은 어떤 구조를 가지고 있나요?
연구진은 이러한 한계를 극복하기 위해 'THINKERS-Breast(Therapeutic Hybrid Intelligence with Neural and Knowledge-based Expert Reasoning for SRS in Breast Cancer Brain Metastases)'라는 새로운 인공지능 모델을 개발했습니다. 이 모델은 혼합 전문가(mixture-of-experts) 심층 신경망 아키텍처를 기반으로 하며, 이산 시간 생존 분석(discrete-time survival modeling) 기법을 결합하여 설계되었습니다. 특히 처방 선량을 독립적인 입력 변수로 포함시켜, 동일한 환자와 종양 조건에서 여러 후보 선량을 가변적으로 대입해 가며 예후를 비교할 수 있는 것이 가장 큰 특징입니다. 모델은 세 개의 전문 신경망 서브네트워크와 이들을 조율하는 게이트 네트워크로 구성되어 있으며, 종양의 부피, 위치, 전신 치료 이력, 환자의 전신 수행 능력 등을 종합적으로 처리합니다.
후보 선량을 바꿔 넣으며, 종양마다 국소 실패를 미리 따져 본다
국소 실패는 방사선을 쬔 뇌전이 종양이 추적 영상에서 다시 자라 통제를 잃은 상태다. THINKERS-Breast 는 처방 선량을 고정된 값이 아니라 바꿔 넣을 수 있는 입력으로 두고, 같은 종양에 여러 선량을 차례로 넣어 결과를 비교한다.
예측을 가장 크게 좌우한 값 — 하나씩 뒤섞었을 때 성능이 얼마나 떨어지나
논문의 예시 환자 — 54세 HER2 양성, 뇌전이 5개
«최적 선량을 정해 주는 도구»로 읽으면 안 됩니다. 이 자료의 선량은 무작위로 배정된 것이 아니라 의료진이 종양 크기 · 위치 · 이전 치료를 보고 정한 것입니다. 그래서 연구진은 선량을 바꿔 보는 기능을 원인과 결과를 추정하는 장치가 아니라 의사결정 지원 · 선량 방침 점검 도구로 해석해야 한다고 밝혔습니다. 예시 환자는 설명을 위한 한 사례입니다.
출처: 본문의 «새로 개발된 THINKERS-Breast 모델은 어떤 구조를 가지고 있나요?» · «이 모델은 임상 데이터 분석에서 어떻게 활용되었나요?» 항목. 변수 중요도 순서, 예시 환자(Figure 4), 선량 해석의 한계는 원 논문 전문(Frontiers in Oncology, 2026 · PMID 42798316 · CC BY)에서 옮겼습니다.
이 모델은 임상 데이터 분석에서 어떻게 활용되었나요?
이번 연구는 2014년부터 2024년까지 피츠버그대학교 의료센터(UPMC)에서 감마나이프 방사선수술을 받은 유방암 뇌전이 환자들의 데이터를 후향적으로 분석하여 진행되었습니다. 연구진은 치료 전 확보할 수 있는 환자 연령, 성별, 유방암 아형, 카르노프스키 성능 상태(KPS, 환자의 일상생활 자립 능력을 평가하는 지표), 종양 부피, 해부학적 위치, 선량 관련 파라미터 등을 빠짐없이 수집하여 데이터셋을 구축했습니다. 특히 종양이 기능적 중요 부위(eloquent area — 운동 · 감각 · 언어 피질, 기저핵, 내포, 시상, 뇌간, 시각 경로처럼 방사선 손상 시 신경 증상이 생길 수 있는 곳)에 있거나 가까운지도 함께 고려되었습니다. 치료가 끝난 뒤에야 알 수 있는 값은 실제 치료 계획 단계에서 쓸 수 있도록, 그리고 결과 정보가 미리 새어 들어가는 데이터 누출을 막기 위해 입력에서 뺐습니다.
504명 · 3,098개 종양으로 만들고, 떼어 둔 100명으로 시험했다
한 기관(UPMC)에서 2014~2024년 감마나이프 방사선수술을 받은 유방암 뇌전이 환자의 기록이다. 분석 단위는 환자가 아니라 종양 하나하나다.
자료는 어떻게 나눴나
12개월 안 국소 실패를 얼마나 가려냈나 (AUC)
아직 한 기관 자료로만 검증한 모델입니다. 연구진은 실제 진료에 쓰기 전에 다른 기관 자료로 외부 검증을 거쳐야 한다고 밝혔습니다. 또 같은 자료에서 콕스 회귀 · 랜덤 포레스트 같은 기존 방법과 직접 겨루지 않았기 때문에, 기존 방법보다 낫다고 말할 수는 없다고 적었습니다.
출처: 본문의 «이 모델은 임상 데이터 분석에서 어떻게 활용되었나요?» 항목(기관 · 기간). 환자 · 종양 수, AUC, 평균 오차는 원 논문 초록(PMID 42798316), 선별 과정 · 시험 세트 크기 · 추적 기간 · 선량 중앙값 · 한계는 원 논문 전문(Frontiers in Oncology, 2026 · CC BY)에서 옮겼습니다. 404명 · 2,479개는 전체에서 시험 세트를 뺀 값입니다.
환자와 보호자 관점에서 이 연구가 시사하는 바는 무엇인가요?
이번 연구는 치료 결과를 예측하는 데서 그치지 않고, 의료진이 처방 선량을 정할 때 후보 선량별 예측을 비교해 볼 수 있는 도구를 제시했다는 점에 의의가 있습니다. 모델은 치료 후 12개월 이내의 국소 실패 확률과 예상 국소 실패 시점을 추정합니다. 504명의 종양 3,098개로 만들었고, 만들 때 쓰지 않은 환자 100명(종양 619개)에서 12개월 국소 실패를 가려내는 성능(AUC)은 0.781, 예상 시점의 평균 오차는 1.55개월이었습니다. 다만 이 자료의 선량은 무작위로 배정된 것이 아니라 의료진이 종양 크기 · 위치 · 이전 치료를 보고 정한 것이어서, 연구진은 이 기능을 최적 선량을 확정하는 장치가 아니라 의사결정을 돕는 도구로 해석해야 한다고 밝혔습니다. 방사선 괴사 같은 부작용은 이 연구에서 평가하지 않았습니다. 또한 이 모델은 한 기관의 후향적 자료로 만들고 내부에서만 검증한 단계여서, 연구진은 실제 진료에 쓰기 전에 다른 기관 자료로 외부 검증을 거쳐야 한다고 밝혔습니다.
참고 자료
- Ching-Ying Wang 외. Gamma knife radiosurgery for breast cancer brain metastasis: survival outcomes, prognotic factors, and the role of repeat treatment. Journal of Neuro-Oncology, 2025. 10.1007/s11060-025-05188-6.
- Laetitia Padovani 외. Gamma Knife Radiosurgery of Brain Metastasis from Breast Cancer. Progress in Neurological Surgery, 2012. 10.1159/000331189.
- J.-H. Sim 외. Association between Sarcopenia and Survival in Patients Undergoing Gamma Knife Surgery for Brain Metastasis from Breast Cancer: A Retrospective Single-centre Cohort Study. Clinical Oncology, 2024. 10.1016/j.clon.2023.11.033.
- Norbert Kased 외. Gamma Knife Radiosurgery for Brain Metastases From Primary Breast Cancer. International Journal of Radiation Oncology*Biology*Physics, 2009. 10.1016/j.ijrobp.2008.12.031.
- Jerry J Jaboin 외. Survival following gamma knife radiosurgery for brain metastasis from breast cancer. Radiation Oncology, 2013. 10.1186/1748-717X-8-131 · PMID 23718256.
- Roman O. Kowalchuk 외. Stereotactic radiosurgery and local control of brain metastases from triple-negative breast cancer. Journal of Neurosurgery, 2023. 10.3171/2022.10.JNS221900.
- Douglas Kondziolka 외. Stereotactic radiosurgery as primary and salvage treatment for brain metastases from breast cancer. Journal of Neurosurgery, 2011. 10.3171/2010.8.JNS10461.
- Katrina S. Firlik 외. Stereotactic Radiosurgery for Brain Metastases From Breast Cancer. Annals of Surgical Oncology, 2000. 10.1007/s10434-000-0333-1.
※ 위 목록은 원 논문이 실제로 인용한 참고문헌입니다. 관찰연구는 인과로 단정하지 않습니다.