AI, PET/CT 데이터로 생검 없이 뇌암 정확히 예측
그래프 신경망 기반 다중 모드 AI 모델이 비침습적 신경교종 진단을 위해 저널 Neuroradiology에 발표되었다. 이 시스템은 PET/CT 스캔을 분석하여 주요 돌연변이(IDH, MGMT, 1p/19q)를 95% 이상의 정확도로 예측한다.
분석 리뷰: 그래프 기반 신경방사유전체학 — AI가 외과의사가 볼 수 없는 것을 볼 때
저자: 계산 진단 및 AI 종양 방사선학 분야 독립 분석가
날짜: 2026년 6월 7일
사건: Abdalla A.(사우디아라비아 하프르알바틴 대학)가 이끄는 국제 연구진의 다중 모드 AI 모델 연구가 Neuroradiology(2026년 6월 5일)에 게재됨. 이 모델은 CT와 PET만을 사용하여 세 가지 주요 신경교종 마커(IDH, MGMT, 1p/19q)를 비침습적으로 예측한다.
벤처 캐피털리스트들이 암 진단을 위해 순환 종양 DNA(ctDNA) 시퀀싱에 수억 달러를 쏟아붓는 동안, 사우디아라비아, 요르단, 타이프 대학의 연구진은 반대 방향으로 갔다. 그들은 신경종양학에서 가장 시급한 질문 — 메스로 종양을 건드리기 전에 분자적 특징이 무엇인가 — 에 대한 답이 일상적인 CT와 PET 스캔에서 침습적 생검에 필적하는 정확도로 얻어질 수 있음을 증명했다.
이 결과는 단순한 논문이 아니다. '방사유전체학'의 시대가 도래했으며, AI가 여기서 스캐너의 화려한 부가 기능이 아니라 병리학자를 완전히 대체하는 역할을 한다는 신호다. 그래프 신경망(GNN)에 기반한 이 모델은 픽셀뿐만 아니라 종양 내 상호 연결의 토폴로지를 분석하여 인간과 고전적 컴퓨터 단층촬영(AI 없이)이 감지할 수 없는 질감과 대사 '지문'을 드러낸다.
[핵심]: 실제로 일어나고 있는 일
이것은 암을 '추측'하는 것이 아니다. 3mm 공간 해상도로 종양의 유전자 여권을 수술 전에 해독하는 것이다. 저자들은 전례 없는 데이터셋 — 1,472명의 환자를 4개의 국제 센터에서 모았다. 이는 스타트업이 보통 훈련하는 50-100건의 사례가 아니다. 통계적 유의성을 허용하는 산업 규모의 데이터셋이다.
정확히 어떻게 작동할까? 그들은 다중 모드 CT와 PET를 웨이블릿 변환을 사용하여 융합했다. 이는 포토샵 필터처럼 다른 규모에서 세부 사항을 추출하지만 수학적으로 엄격한 알고리즘이다. 그런 다음 세 가지 정보 계층을 추출했다: 24개의 임상 파라미터(나이, 성별, 증상), 3,654개의 방사선학적 특징(모양, 질감, 복셀 상관관계), 그리고 세 가지 딥러닝 아키텍처(EfficientNet-B7, Swin Transformer, DINOv3)를 통한 43,776개의 '딥' 특징.
그런 다음 그래프 신경망(GNN)의 마법이 등장한다. 기존의 합성곱 신경망(CNN)은 이미지를 픽셀의 직사각형 격자로 본다. GNN은 종양을 그래프 — 서로 다른 종양 영역의 노드와 그 사이의 엣지(한 영역이 다른 영역과 대사적으로 얼마나 유사한지) — 로 본다. 이를 통해 모델은 이질성을 포착할 수 있다. 이는 신경교종의 주요 과제로, 단일 종양이 다른 돌연변이를 가진 영역을 포함할 수 있다. 결과: IDH(isocitrate dehydrogenase)는 AUC > 0.96, MGMT(프로모터 메틸화 — 테모졸로마이드 반응의 핵심)는 AUC > 0.93, 1p/19q(희소돌기아교종을 구별하는 코드릴리션)는 AUC > 0.95로 예측되었다.
타임라인 및 맥락
이 연구의 맥락은 2017-2018년으로 거슬러 올라간다. 당시 초기 방사체학 연구는 MRI에서 IDH1을 약 0.80 AUC의 정확도로 예측하려고 시도했다. 당시에는 획기적인 것으로 보였다. 이제 MRI에서 85-90% 정확도는 기준선으로 간주된다.
주요 변화는 2024-2025년에 DINOv3의 등장과 함께 일어났다. 이는 메타의 자기 지도 학습 아키텍처로, 레이블 없이 의미론적으로 의미 있는 특징을 추출한다. 연구 저자들은 DINOv3를 융합된 CT/PET 이미지에 최초로 적용했다. Neuroradiology의 논문 접수일은 2026년 3-4월경이었으며, 6월 5일에 게재되었다.
동시에, 이 출판물 한 달 전에 HiPerfGNN(MICCAI 2026)에 관한 논문이 관류 MRI를 사용하여 IDH와 1p/19q를 각각 0.96과 0.89의 AUC로 예측했다. 그리고 2025년 11월에는 arXiv 논문이 GPT-5를 통한 제로샷 IDH 예측을 시연하여 다양한 코호트에서 92% 정확도를 달성했다. 따라서 업계는 수렴하고 있다: 그래프 네트워크, LLM, 방사체학이 하나의 도구로 통합되고 있다.
승자와 패자
승자 #1: 신경외과 의사와 환자. 신경교종 생검은 출혈(1-2%), 신경학적 결손(최대 5%), 그리고 이질성으로 인한 위음성(바늘이 목표 영역을 놓칠 수 있음)의 위험이 있다. CT/PET에서 작동하는 모델은 종양 전체의 '가상 생검'을 한 번에 제공한다. 이는 외과의사가 극도의 필요 없이 수술을 꺼리는 깊숙이 위치하거나 기능적으로 중요한 영역에서 특히 중요하다.
승자 #2: 아미노산 특이 PET 방사성의약품 제조사. 이 연구는 일상적인 PET를 사용하지만 어떤 트레이서(FDG? MET? FET?)인지 명시하지 않는다. 모델의 정확도가 아미노산 수송의 대사 지문에 결정적으로 의존한다면, [¹⁸F]FET 및 [¹¹C]MET 제조사는 새로운 이점을 얻는다. 이 시장은 연간 약 5억 달러이며 AI 도입으로 20억 달러로 성장할 수 있다.
승자 #3: 보험사(결과 기반 지불 시스템에서). 미국에서 수술, 방사선, 테모졸로마이드를 포함한 한 번의 교모세포종 치료 비용은 15만 달러에서 30만 달러에 이른다. 500-1,000달러의 AI 진단이 불필요한 생검(비용 15,000-25,000달러)을 방지하거나 표적 치료를 2-3주 앞당길 수 있다면, 시스템의 절감액은 엄청날 것이다.
패자 #1: 생검 회사(Medtronic, Integra LifeSciences, Boston Scientific). 정위적 뇌 생검 시스템 시장은 12-15억 달러로 추정된다. 생검의 30-40%가 불필요해지면, 이 부문은 축소될 것이다. 내일 당장은 아니다 — 규제 당국은 검증을 요구할 것이다 — 그러나 추세는 분명하다.
패자 #2: 신경교종 생검 시퀀싱에 의존하는 분자 병리학 실험실. 단일 신경교종 샘플(50-100개 유전자 패널) 시퀀싱 비용은 2,000-5,000달러이다. AI가 조직 없이 동일한 결과를 제공할 수 있다면, 이 시장의 일부는 디지털로 전환될 것이다.
언론이 말하지 않는 것
이제 보도 자료에서 생략된 내용이다.
비직관적 통찰 #1: 모델은 MRI가 아닌 CT/PET로 훈련되었으며, MRI는 연조직에 대해 10배 더 민감하다.
이는 의도적인 선택이었으며 훌륭하다. MRI는 비싸고 느리며 많은 금기 사항이 있다. CT와 PET는 아프리카와 동남아시아를 포함한 전 세계 모든 암 센터에서 일상적이다. CT/PET가 분자 프로필을 산출할 수 있음을 증명함으로써, 저자들은 전 세계적으로 확장 가능한 기술을 만들었다. 그러나 그들이 과소평가하는 점: 뇌 조직에 대한 CT의 공간 해상도는 약 1-2mm인 반면, 신경교종 이질성은 100-200마이크론에서 발생할 수 있다. 모델은 미세 이질성을 '평활화'하여 내성 돌연변이를 가진 작은 클론을 놓칠 수 있다. 이는 IDH에는 문제가 되지 않지만 MGMT에는 문제가 될 수 있다.
비직관적 통찰 #2: 그래프 네트워크는 방사체학의 주요 문제인 '블라인드' 특징 추출을 우회하는 방법이다.
고전적 방사체학은 종양에서 수천 개의 특징을 추출하지만, 90%는 스캐너, 프로토콜, 재구성에 의존하는 노이즈이다. 그래프를 통해 작업하는 GNN은 복셀 간의 상호 관계에 초점을 맞추며, 이는 하드웨어 차이에 더 불변하다. 이는 핵심 기술적 돌파구이며, 이것 없이는 모델이 다른 PET 스캐너에서 일반화되지 않을 것이다.
비직관적 통찰 #3: 이 작업에는 100만 달러 이상의 컴퓨팅 클러스터가 필요했을 것이다.
세 가지 아키텍처(EfficientNet-B7은 6600만 파라미터, Swin Transformer는 약 8800만, DINOv3는 3억 이상)에서 1,472명의 환자에 대한 43,776개의 딥 특징 — 이는 몇 주 동안 8-16개의 A100 또는 H100 GPU가 필요한 훈련이다. 저자들은 하드웨어를 공개하지 않지만, 클라우드 컴퓨팅 비용(AWS/GCP)은 훈련만으로 5만-15만 달러였을 수 있다. 이것은 '저렴한' AI가 아니라 산업적 접근 방식이다.
예측: 향후 30일 및 90일
향후 30일(2026년 7월 7일까지):
적어도 두 개의 독립 그룹이 모델을 재현할 것으로 예상된다: 스탠포드(데이터와 컴퓨팅 파워에 접근 가능하며, 이미 신경교종에 대한 다중 모드 AI 리뷰를 발표함)와 드레스덴 공과대학(섬유광 자가형광 및 수술 중 진단을 위한 AI를 연구하며, 수술 전 '힌트'가 절실히 필요함). 6월 말까지 medRxiv에 독립적인 유럽 코호트에서 검증을 시도하는 프리프린트가 나타날 것이다.
또한 Siemens Healthineers와 GE Healthcare가 30일 이내에 '신경영상을 위한 AI 플랫폼이 이미 유사한 기능을 지원한다'는 보도 자료를 발표할 것으로 예상된다. 이는 표준 마케팅이다 — 새로운 약속을 설명서에 추가하는 것이다.
향후 90일(2026년 9월까지):
가장 중요한 변화는 규제 측면에서 일어날 것이다. 저자들은 이미 하프르알바틴 대학 기술 사무소(또는 산업 파트너 — 요르단 회사? 공개되지 않음)를 통해 특허를 출원했을 가능성이 높다. 출판 후 90일 이내에 상업화를 위한 스타트업이 설립될 것이다 — 아마도 사우디아라비아에서 비전 2030 프로그램(생명공학이 우선 순위)과 연계하여. 시드 라운드: 약 5-800만 달러를 현지 펀드(사우디 아람코 기업가 정신 센터, 리야드 밸리 컴퍼니)에서 조달할 것이다.
동시에, 생검 없는 수술 전 신경교종 진단을 위한 FDA의 '혁신적 기기' 지위를 위한 협상이 시작될 것이다. 데이터는 강력하지만, FDA는 200명 이상의 환자에서 AI 예측과 생검을 비교하는 전향적 연구를 원할 것이다. 2026년 9월까지 그러한 연구의 프로토콜이 서명될 가능성이 높다.
마지막으로: 대만의 AItewan(이미 MRI에서 종양 검출을 위한 DeepBT Detector에 대해 FDA 510(k)를 보유)은 90일 이내에 저자들과의 파트너십을 발표하여 GNN 모델을 플랫폼에 통합할 것이다. 현재 버전은 종양을 검출하지만 돌연변이를 분류하지는 않는다. 이 계층을 추가하면 시장에 유사 제품이 없는 제품이 탄생할 것이다.
요약: 이 연구는 '또 다른 AI'에 관한 것이 아니다. 신경교종이 의심되는 환자가 CT/PET를 받고, 이미지뿐만 아니라 한 시간 내에 완전한 분자 프로필을 받으며, 신경외과 의사가 이미 어떤 전략을 선택할지 — 적극적 절제 또는 보존적 생검 후 화학방사선 치료 — 알고 수술실에 들어가는 시대로 나아가는 것에 관한 것이다. 생검 바늘은 현재로서는 여전히 금본위제이다. 그러나 그 날은 얼마 남지 않았다.
— Editorial Team
