시작하며
안녕하세요, 한주현입니다.
오늘은 딥러닝으로 환자 예후를 예측한 논문을 소개해보겠습니다.
이번 논문은 2019년 10월인 이번달 7일에 Nature Medicine에 발표된 논문으로,
딥러닝 기반 분류를 사용하여 악성 중피종 (MM, Malignant Mesothelioma)의 예후를 예측률을 높였습니다.
| 목차 |
|
악성 중피종 MesoNet - 딥러닝 기반 악성 중피종 예후 분류 |
악성 중피종 (MM, Malignant Mesothelioma)
논문을 소개하기 앞서 악성 중피종에 대해 알아보겠습니다.
중피종은 중피(mesothelium)에 생기는 종양으로, 중피는 중배엽의 편평세포 층으로 복막, 심막, 흉막 등의 표면에 위치합니다.
악성 중피종은 80%의 경우가 석면(asbestos)의 노출과 연관이 있으며[1,2] 1-2년 이내에 사망할 정도로 예후가 좋지 않습니다.
악성 중피종의 진단은 병리과에서 조직 생검을 통해 진행되며,
2015 WHO 기준에 따라 세 가지로 분류합니다. [3,4]
1) epithelioid MM (EMM) : median OS가 16개월
2) sarcomatoid MM (SMM) : median OS가 5개월
3) biphasic MM (BMM) : median OS가 EMM과 SMM의 중간 값
* median OS(Overall Survival): 전체 생존 기간의 중위 값
[1] Noonan, C. W. Environmental asbestos exposure and mesothelioma. Ann. Transl. Med. 5, 234 (2017).
[2] Lacourt, A. et al. Dose–time-response association between occupational asbestos exposure and pleural mesothelioma. Occup. Environ. Med. 74, 691–697 (2017).
[3] Galateau-Sallé, F., Churg, A., Roggli, V. & Travis, W. D. The 2015 World Health Organization classification of tumors of the pleura: advances since the 2004 classification. J. Thorac. Oncol. 11, 142–154 (2016).
[4] Yap, T. A., Aerts, J. G., Popat, S. & Fennell, D. A. Novel insights into mesothelioma biology and implications for therapy. Nat. Rev. Cancer 17, 475–488 (2017).
MesoNet - 딥러닝 기반 악성 중피종 분류
암의 치료에 있어서 분류는 상당히 중요한 역할을 합니다.
어떠한 암이 어떠한 스테이지에 있느냐에 따라 정해진 치료 가이드라인대로 수술, 항암, 방사선치료와 같은 치료 방침이 정해지기 때문입니다.
Convolution Neural Network(CNN)와 같이 딥러닝 기반의 이미지 분류가 좋은 성능을 보이며 폐암, 피부암 등의 병리학적 분류에 많은 문제들을 해결해 주었습니다. [5,6]
이번에 소개할 다음 논문도 마찬가지로 딥러닝 기반의 분류를 사용한 논문입니다.
Pierre, C. et al. Deep learning-based classification of mesothelioma improves prediction of patient outcome. Nat. Med. 25, 1519-2525(2019)
https://www.nature.com/articles/s41591-019-0583-3
본 논문 역시 딥러닝 기반으로 악성 중피종을 분류합니다.하며 더욱이 환자의 예후 까지 예측해주는 연구입니다.
이 논문의 가장 큰 특징은 다음 세 가지로 설명 할 수 있겠습니다.
1. 딥 러닝 기반으로 악성 중피종을 분류하며 더욱이 환자의 예후까지 예측해주는 연구입니다.
2. 본 연구에서 개발한 딥러닝 알고리즘인 MesoNet은 전체 슬라이드 이미지에서 병리학자의 설명 없이 병이 있는 부분을 집어 내어 분석해줍니다.
3. CDKN2A/p16이 발현되지 않고 homozygous deletion인 경우 예후에 좋지 않은 영향을 끼치는데[7,8] 단순히 CDKN2A/p16의 발현과 homozygous deletion 을 보았을 때 보다 MesoNet에 넣어 분석을 하면 더 좋은 예측 결과를 얻게되었다.
본 논문을 통해 딥러닝 모델이 환자의 예후와 새로운 바이오마커의 발굴에 도움을 줄 수 있음을 보여주는 연구가 되었다.
[5] Yu, K. H. et al. Predicting non-small cell lung cancer prognosis by fully automated microscopic pathology image features. Nat. Commun. 7, 12474 (2016).
[6] Esteva, A. et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature 542, 115–118 (2017).
[7] Hmeljak, J. et al. Integrative molecular characterization of malignant pleural mesothelioma. Cancer Discov. 8, 1548–1565 (2018).
[8] Dacic, S. et al. Prognostic significance of p16/cdkn2a loss in pleural malignant mesotheliomas. Virchows Arch. 453, 627–635 (2008).
오늘은 딥러닝으로 환자 예후를 예측한 논문을 소개해보았습니다.
여러분들께 도움이 되셨음 좋겠습니다.
그럼 다음 포스트에서 만나요~
댓글