딥러닝 기반 이미지 분석으로 유방암의 H&E 염색 조직병리 이미지에서 PD-L1 상태 예측

Programmed death ligand-1 (PD-L1)은 최근 면역치료 예측 바이오마커로 유방암에 도입되었습니다. 면역조직화학(IHC)을 통한 PD-L1 정량화는 비용, 시간, 그리고 변동성 측면에서 어려움이 있습니다. 반면, Hematoxylin과 eosin (H&E) 염색은 암 진단에 일상적으로 사용되는 견고한 염색법입니다. 본 연구에서는 최첨단 딥러닝 기법을 활용하여 H&E 염색 이미지로부터 PD-L1 발현을 예측할 수 있음을 보였습니다. 두 명의 전문 병리학자와 설계된 주석 소프트웨어의 도움으로, 유방암에서 H&E로부터 PD-L1 예측의 가능성을 평가하기 위한 데이터셋을 구축했습니다. 3,376명의 환자 코호트에서 본 시스템은 AUC 0.91 - 0.93의 높은 정확도로 PD-L1 상태를 예측하였습니다. 또한, 독립된 임상 시험 코호트를 포함한 두 개의 외부 데이터셋에서 일관된 예측 성능을 보이며 검증되었습니다. 더불어, 제안된 시스템은 병리학자들이 오해하기 쉬운 사례를 예측하여 임상에서 의사결정 지원 및 품질 보증 시스템으로 활용될 수 있음을 시사합니다.