삼중음성유방암 수술 전 항암치료 반응 예측: 다중모달 딥러닝 방사믹스 노모그램 연구
Frontiers in oncology · 2026
A multimodal deep learning radiomics nomogram integrating clinicopathological features for predicting pathological complete response after neoadjuvant therapy in triple-negative breast cancer: a multicenter retrospective study.
PMID 42890014
원문 논문 바로가기 →
① 삼중음성유방암 환자의 수술 전 항암치료 후 잔존 암 소실 여부를 사전에 예측하는 다중모달 모델 개발
② MRI와 초음파의 방사믹스 특징과 딥러닝 특징, 주요 임상병리학적 요소를 결합한 통합 노모그램 구축
③ 3개 대형 병원의 환자 436명을 대상으로 내부 및 독립적 외부 검증을 거쳐 예측 성능 입증
삼중음성유방암 환자에게 수술 전 항암치료 후 잔존 암 소실 여부 예측이 왜 중요한가요?
삼중음성유방암(triple-negative breast cancer, 에스트로겐 수용체·프로게스테론 수용체·HER2가 모두 음성인 유방암 아형)은 전체 유방암의 약 15~20%를 차지하며, 세포 증식 속도가 빠르고 진단 후 초기 재발 위험이 상대적으로 높은 특성을 보입니다. 호르몬 치료나 표적치료를 적용하기 어렵기 때문에 주로 전신 항암치료가 치료의 중심 역할을 담당합니다. 수술 전 시행하는 선행화학요법(neoadjuvant therapy, 수술 전 암 크기를 줄이고 미세 전이를 조절하기 위해 시행하는 항암치료)은 종양의 범위를 줄여 유방 보존 수술의 가능성을 높이는 중요한 전략입니다. 치료 후 유방과 주변 림프절에 잔존 침윤성 암이 전혀 발견되지 않는 상태, 즉 병리적 반응 소실에 도달한 환자는 장기적인 예후가 매우 우수하다고 알려져 있습니다. 따라서 수술 전에 이러한 반응 가능성을 정확하게 예측하는 것은 이후 국소 치료 계획을 개별화하고 불확실성을 줄이는 데 큰 도움이 됩니다.
기존 영상 검사만으로는 수술 전 치료 반응을 정확히 알기 어려운 이유는 무엇인가요?
현재 항암치료 후 반응 평가는 최종 수술을 마친 뒤 절제된 조직을 병리학적으로 검사해야만 확정할 수 있습니다. 수술 전에는 신체 검진이나 자기공명영상(MRI), 초음파 등을 통해 종양 크기의 변화와 형태학적 특징을 관찰하지만, 이러한 시각적 평가만으로는 미세하게 남아 있는 잔존 암을 구별하는 데 한계가 있습니다. 항암치료 과정에서 발생하는 섬유화, 괴사, 염증 반응, 부종 등은 영상 검사에서 종양의 경계를 모호하게 만들 수 있으며, 이로 인해 치료 반응이 과대평가되거나 과소평가될 가능성이 존재합니다. 또한 초음파는 검사자의 숙련도에 따라 결과가 달라질 수 있고, MRI는 병원마다 기기 사양이나 프로토콜에 차이가 있어 영상 소견만으로 개별 환자의 수술 계획을 완벽하게 세우는 데 제약이 따릅니다.
이번 연구에서 개발된 다중모달 딥러닝 방사믹스 노모그램은 어떻게 구성되었나요?
이러한 한계를 극복하기 위해 연구진은 다중모달(multimodal, 자기공명영상과 초음파 등 서로 다른 여러 영상 및 임상 데이터를 결합하여 분석하는 방식) 데이터와 인공지능을 결합한 예측 모델을 개발했습니다. 우선 수술 전 촬영한 MRI와 초음파 영상에서 종양 내부와 주변부의 미세한 질환 특징을 정량적으로 추출하는 방사믹스(radiomics, 의료 영상 속 보이지 않는 패턴을 수치 데이터로 변환하는 기술) 기법을 적용했습니다. 이와 함께 합성곱 신경망 기반의 딥러닝 모델을 통해 각 영상 모달리티에서 시각적 특징을 심층 학습하였으며, 다중 헤드 자기주의(multi-head self-attention) 모듈을 이용해 여러 데이터를 유기적으로 융합했습니다. 최종적으로 나이, 종양 크기, Ki-67 지수(암세포의 증식 정도를 나타내는 지표), 종양 침윤 림프구(tumor-infiltrating lymphocytes) 비율 등 임상병리학적 변수들과 영상 기반 점수들을 결합하여 개인별 치료 반응 확률을 직관적으로 산출하는 노모그램(nomogram, 복합 지표를 시각적 점수 형태로 계산하여 예측 확률을 보여주는 통계 도구)을 완성했습니다.
다기관 데이터를 통한 외부 검증에서 이 모델은 어느 정도의 신뢰성을 보여주었나요?
이번 연구는 신뢰도를 높이기 위해 3개의 서로 다른 대학병원에서 수집된 총 436명의 환자 데이터를 활용했습니다. 1개 센터의 환자 354명은 모델 개발과 내부 검증에 사용되었으며, 나머지 2개 센터의 환자 82명은 외부 검증 코호트로 독립적으로 분리되어 모델의 일반화 성능을 평가받았습니다. 연구 결과, 개발 코호트뿐만 아니라 외부 검증 코호트에서도 일관성 있는 높은 예측 정확도를 기록했습니다. 특히 단일 영상 모달리티나 기존 임상 지표만을 사용한 모델에 비해, 방사믹스와 딥러닝 특징 및 임상 정보를 통합한 다중모달 노모그램이 치료 후 반응 소실 여부를 훨씬 더 신뢰성 있게 구별해 내는 것으로 보고된 바 있습니다. 이는 서로 다른 병원의 다양한 스캐너 환경과 환자 특성 차이 속에서도 모델이 안정적으로 작동할 수 있음을 시사합니다.
환자와 보호자가 바라보는 이번 연구의 임상적 의의와 향후 과제는 무엇인가요?
삼중음성유방암 환자에게 선행화학요법은 치료 여정 중 가장 긴장되는 과정 중 하나입니다. 항암치료가 얼마나 효과를 거두었는지 수술 전에 미리 가늠할 수 있다면, 의료진과 환자가 수술 범위를 결정하거나 추가적인 보조 치료 방향을 논의할 때 불확실성을 크게 덜어낼 후속 지침이 될 수 있습니다. 이번 연구는 영상 의학적 정량 데이터와 인공지능 융합 기술이 실제 임상 현장에서 객관적인 의사결정 도구로 활용될 수 있는 가능성을 보여주었습니다. 다만, 실제 임상 현장의 더욱 다양한 환자 군을 아우르는 전향적 연구와 표준화 작업이 지속해서 뒷받침되어야 합니다. 환자와 보호자 입장에서도 첨단 인공지능 연구가 가져오는 이러한 객관적 지표들이 향후 개별 맞춤형 치료 전략을 세우는 데 든든한 과학적 근거가 된다는 점을 참고하시면 도움이 될 것입니다.
참고 자료
- Maohua Lyu 외. Multimodal prediction based on ultrasound for response to neoadjuvant chemotherapy in triple negative breast cancer. npj Precision Oncology, 2025. 10.1038/s41698-025-01057-7 · PMID 40715366.
- Chen Cheng 외. Deep Learning and Radiomics in Triple-Negative Breast Cancer: Predicting Long-Term Prognosis and Clinical Outcomes. Journal of Multidisciplinary Healthcare, 2025. 10.2147/jmdh.s509004 · PMID 39866348.
- Jupeng Zhang 외. MRI‐based radiomics models for early predicting pathological response to neoadjuvant chemotherapy in triple‐negative breast cancer: A systematic review and meta‐analysis. Journal of Applied Clinical Medical Physics, 2025. 10.1002/acm2.70296 · PMID 41094242.
- Rania M. Mohamed 외. Multiparametric MRI–based radiomic models for early prediction of response to neoadjuvant systemic therapy in triple-negative breast cancer. Scientific Reports, 2024. 10.1038/s41598-024-66220-9 · PMID 38992094.
- Soo-Yeon Kim 외. Deep-learning based discrimination of pathologic complete response using MRI in HER2-positive and triple-negative breast cancer. Scientific Reports, 2024. 10.1038/s41598-024-74276-w · PMID 39367159.
- Wen Li 외. Breast Multiparametric MRI for Prediction of Neoadjuvant Chemotherapy Response in Breast Cancer: The BMMR2 Challenge. Radiology: Imaging Cancer, 2024. 10.1148/rycan.230033 · PMID 38180338.
- Zhenwei Shi 외. MRI-based Quantification of Intratumoral Heterogeneity for Predicting Treatment Response to Neoadjuvant Chemotherapy in Breast Cancer. Radiology, 2023. 10.1148/radiol.222830.
- Meng Jiang 외. Ultrasound-based deep learning radiomics in the assessment of pathological complete response to neoadjuvant chemotherapy in locally advanced breast cancer. European Journal of Cancer, 2021. 10.1016/j.ejca.2021.01.028.
※ 위 목록은 원 논문이 실제로 인용한 참고문헌입니다. 관찰연구는 인과로 단정하지 않습니다.