| 초록 |
□ 연구개요 최근 뇌종양 진단 및 치료 패러다임의 변화로 개인 맞춤형 치료를 위한 비침습적인 분자 유전학 마커의 예측이 점점 중요하게 부각되고 있다. 딥러닝 알고리즘은 영상으로부터 사람이 인지하지 못하는 수많은 특징을 추출하여 분자 유전학 마커 및 예후 예측에 도움이 될 것이다. 또한, 알고리즘의 임상 적용을 위해서는 개발뿐만 아니라 알고리즘 검증 과정이 필수적이다. 따라서, 이 연구의 목적은 1) 체계적인 데이터 베이스 관리를 위한 뇌종양 데이터 통합관리 플랫폼 구축과 딥러닝 기술을 이용한 영상 분석 전처리 자동화를 통해 데이터 처리 단계에서 발생할 수 있는 변이도를 최소화, 2) 뇌교종에서 딥러닝 기반 분자 유전학 마커 예측 패널 개발, 3) 다기관 데이터를 수집하여 개발한 딥러닝 기반 분자 유전학 마커 예측 알고리즘을 검증하는 과정을 통해 분석 시스템의 고도화와 정밀화를 추구하고자 한다. □ 연구 목표대비 연구결과 • 뇌종양 데이터베이스 구축 뇌교종 환자 약 1700명의 데이터베이스를 구축하여 임상 및 병리 정보, 차세대 염기서열분석, DICOM 형태의 영상 데이터 확보, 구조화 • 뇌종양 영상 분석 전처리 자동화 시스템 구축 다중 파라미터 영상 정합, 뇌 추출, 병변 검출, 분할 자동화 및 autosegmentation을 위한 U-Net 알고리즘 고도화 • 뇌교종의 분자 유전학 마커 예측 수술 전 MRI의 머신러닝 및 딥러닝을 이용한 분자 유전학 마커 예측 알고리즘을 개발 - 교모세포종 환자에서 MRI 소견와 분자 유전학 마커와의 관계 확인 - IDH wildtype 저등급 교종에서 EGFR amplification과 TERT promoter mutation 여부를 예측 - WHO grade 4 glioma의 MRI를 이용한 다중 유전자 이상 예측 패널 개발 • 생존분석 파이프라인 구축 및 예후 예측 모델 개발 LASSO, Elastic Net, Random forest를 이용한 자동 분석 파이프라인 구축 • 다기관 데이터 수집 University of California San Francisco, 서울아산병원, 서울대학교병원, University of Pennsylvania로부터 뇌교종의 데이터를 수집하였으며 개발한 알고리즘의 검증을 진행함. □ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성) • 영상 분석 전처리 자동화 시스템 개발을 통해분석 에러 및 평가자 간 변이도를 최소화하고 학습을 위한 영상 준비시간을 단축하여 다량의 고품질 데이터베이스 구축을 가능하게 하고 결과의 신뢰도와 정확도를 향상시킴으로써 영상 바이오마커의 실용화에 도움이 될 것이다. 또한, 종양뿐만 아니라 다른 뇌 질환 연구에도 적용할 수 있는 기반을 마련한다. • 딥러닝 분자 유전학 마커 예측 패널개발을 통해 자기공명영상 정보와 차세대염기 서열분석으로 얻은 방대한 유전정보의 상관관계를 이해하고, 시간적, 공간적 이질성을 가지는 종양 전체의 특성을 평가한다. 또한, 분자 유전학 마커에 따른 표적치료제의 사용이 증가함에 따라 조기에 분자 유전학 마커를 예측하여 환자에게 적정한 치료를 제시하여 진단과 치료영역에서 폭넓게 활용 가능하며 다른 장기의 종양에도 적용할 수 있다. • 다기관 연구를 통해 딥러닝 알고리즘을 고도화 및 정밀화하여 궁극적으로 맞춤형 치료 계획 수립을 위한 정밀 의료를 구현한다. (출처 : 연구결과 요약문 2p) |
