1. 논문의 간략한 내용요약(관련 연구분야 동향 포함)
본 연구는 2010년 1월부터 2012년 12월까지 서울아산병원을 비롯한 국내 9개 기관에서 간세포암을 처음 진단받고, 다양한 치료를 받은 환자 2,685명의 다양한 임상 정보,진단 후 처음 받은 치료의 종류, 치료 이후의 생존 데이터를 수집하여, 머신 러닝 기술을 이용해 개별 환자에서 어떠한 치료를 받을 가능성이 높은 지 예측하고, 그 치료를 받은 이후의 생존율을 예측하는 모델을 개발하고 평가한 연구입니다. 최근 머신 러닝 및 딥 러닝 기술을 이용하여 간암의 특정 치료(수술, 간이식, TACE 등)를 받은 후의 생존율 혹은 재발율을 예측하는 연구들이 많이 발표되고 있는데, 본 연구는 간암의 초 치료 결정이 간암의 크기와 위치, 잔존 간 기능, 환자의 상태, 치료 비용 등을 다각도로 고려하여 이루어지기 때문에 매우 복잡하고, 국내의 기관별, 임상의 별로도 상이할 때가 많으며, 초 치료에 따른 예후 예측도 달라질 수 있다는 점에 착안하여 임상 결정에 도움이 되고자 시작되었습니다.
2. 연구과정에서 나누고 싶은 내용
서울아산병원에서 pilot study가 먼저 진행된 후, 국내 8개 기관의 데이터가 하나씩 모이는데 수개월이 걸렸습니다. 무엇보다도 데이터는 공통된 형식으로 받았지만, 기관별로 치료의 패턴이 예상보다 많이 상이하여 (예를 들면, 서울아산병원에서는 적지 않은 규모로 시행된 간이식이나 방사선 치료가 거의 시행하지 않은 기관도 많았고, 다른 병원에서는 거의 시행하지 않는 동시 항암방사선 치료를 높은 비율로 시행한 기관도 있었습니다.) 애초에 계획한 대로 각 기관에서 시행 중인 모든 치료를 모두 사용하여 검증을 하는 것이 불가능하였고, 결국 몇 가지 치료는 제거하는 방식으로 수정되었습니다. 머신 러닝 등의 새로운 기술을 이용한다고 해도 결국에는 기본 데이터의 퀄리티나 특성이 가장 중요하다는 것을 느낄 수 있었고, 특히 본 연구와 같은 예후 예측 알고리즘의 경우 대부분 (환자의 진단 및 치료 기술이 끊임없이 발전하므로) 데이터 자체가 계속 변하는 특성을 가지고 있어 데이터를 계속해서 업데이트하고 정제하지 않는다면 결과의 정확도가 빠르게 감소할 수 있고, 유지보수가 매우 중요하겠다는 생각이 들었습니다.
3. 앞으로의 연구활동 계획
인공지능을 이용한 의공학 연구를 마치고 다시 임상의로 돌아와 암환자들을 보면서 매순간 새로운 질문들이 생깁니다. 아직 의학에는 밝혀지지 않은 무수한 문제들이 있고, 이 중의 아주 일부라도 새로운 기술을 이용하여 단서를 찾고, 가능하다면 실제로 환자에게 도움이 되는 모델을 개발하여 많은 환자분들께 도움이 될 수 있으면 좋겠다는 생각을 가지고 있습니다. 최근에는 생존율이 극히 낮은 교모세포종 환자에서 각 환자의 다양한 임상, 유전학 정보에 방사선 치료의 범위 및 선량을 반영하여 생존율을 예측하는 연구를 진행 중입니다.
4. 끝으로 후배 연구자들에게 하시고 싶은 말씀
융합 연구에서 가장 중요한 부분은 소통과 서로의 전문 분야에 대한 이해가 아닐까 합니다. 박사과정 중 의학을 전혀 접해보지 못한 컴퓨터 공학자 분들과 함께 일하며, 서로에게는 당연하고 쉬운 지식이지만 그 분야를 접해보지 못한 상대방에게는 어디가 틀렸는지 가늠하기도 힘들어 잘못된 결과를 얻게 되고 시간을 낭비하게 되는 경험을 숱하게 하였습니다. 따라서 융합 연구를 할 때, 서로의 전문 분야에 대해 완벽히는 아니더라도 서로 공부하고, 이해의 폭을 넓히면서, 좋은 연구 결과를 얻기 위해 함께 노력할 때 좀 더 좋은 연구 성과를 기대할 수 있을 것이라고 생각합니다.