1. 서론
방광암은 전 세계적으로 흔한 비뇨기계 악성 종양 중 하나이며, 특히 비근육침윤성 방광암(Non-Muscle Invasive Bladder Cancer, NMIBC)은 재발률이 높아 지속적인 감시와 정밀한 진단이 필수적이다. 기존의 백색광 방광경(White Light Cystoscopy, WLC)은 표준 검사법으로 사용되어 왔으나, 작은 종양이나 상피내암(Carcinoma in situ, CIS)의 검출에 한계가 있다. 이에 따라 형광 방광경(Photodynamic Diagnosis, PDD), 협대역 영상(Narrow-Band Imaging, NBI), 인공지능(AI) 기반 방광경과 같은 새로운 영상기법이 도입되고 있다. 이러한 기술의 원리와 성능을 분석하고, 방광암의 정밀 진단과 치료 전략에 미치는 영향을 논의하고자 한다.
2. 본론
2.1. 전통적 방광경 검사와 한계
WLC는 방광 내시경을 통해 종양을 육안으로 평가하고 조직 검사를 수행하는 표준 방법이다. 그러나 이 방법은 다음과 같은 한계를 가진다.
∙작은 종양이나 CIS 검출이 어려움
∙최대 15%의 종양이 진단 과정에서 누락 가능
∙불완전한 종양 절제로 인해 재발률 증가
WLC의 민감도는 62~84%로 보고되었으며, 특히 작은 병변이나 평편한 병변의 검출력이 낮은 것으로 나타났다. 따라서, 보다 향상된 영상 기술을 적용하여 방광암 검출률을 높이고 재발을 줄이는 것이 중요하다.
2.2. 방광경 검사의 원리 및 성능
2.2.1. 형광 방광경(Photodynamic Diagnosis, PDD)
PDD는 광과민제(5-ALA 또는 HAL)를 방광 내 주입한 후, 청색광(375-440 nm)을 이용하여 종양 조직의 형광 반응을 촬영하는 기술이다.
∙장점: CIS 검출에서 높은 민감도(93-98%)를 보이며, WLC 대비 종양 검출률 향상
∙단점: 높은 위양성률(41.4-98.5%), 특히 출혈이 있는 경우나 BCG 치료 후 위양성이 증가
PDD는 WLC 대비 12.7~19.2% 더 높은 민감도를 보이며, 특히 CIS 검출에서 큰 이점을 제공하는 것으로 나타났다. 하지만, 위양성이 높은 문제로 인해 추가적인 검사가 필요할 수 있다.
2.2.2. 협대역 영상(Narrow-Band Imaging, NBI)
NBI는 2000년대 초반 Olympus Medical Systems에서 내시경 진단을 향상시키기 위해 개발한 기술로, 혈액(헤모글로빈)에 선택적으로 흡수되는 특정 파장대(청색광 약 415 nm, 녹색광 약 540 nm)의 빛만을 이용하여 종양의 미세 혈관구조를 강조하는 기술이다. 개발 초기에는 위‧대장 내시경 검사에서 조기 위암, 용종 등을 효과적으로 검출하기 위해 사용되었는데, 이후 비근침윤성 방광암(non-muscle invasive bladder cancer, NMIBC)의 조기 진단과 재발 위험 감소를 위해 비뇨의학 분야에서도 도입되었다. 헤모글로빈이 청색 및 녹색 파장의 빛을 강하게 흡수하기 때문에, 기존 백색광 화상(white light cystoscopy, WLC)보다 병변의 미세 혈관 구조가 더 선명하게 드러난다. 이로 인해 암세포가 분포한 조직의 혈관 패턴 차이를 내시경 시야에서 보다 쉽게 관찰할 수 있어, 작은 병변이나 초기 병변(특히 CIS)을 놓칠 확률을 낮출 수 있다.
∙장점: 민감도 96%, 특이도 65%로 WLC 대비 우수한 결과
∙단점: 검사자의 숙련도에 따라 결과가 달라질 수 있음
NBI를 이용한 TURBT는 WLC 대비 질환 재발률을 낮추는 것으로 나타났다(hazard ratio 0.63, 95% CI 0.45-0.89). 또한, CIS 검출에서는 WLC 대비 17% 더 높은 정확도를 보였다. 다만, NBI로 획득되는 이미지는 백색광 영상과는 다르게 조직의 혈관 구조를 강조하므로, 검사자의 숙련도와 경험에 따라 진단 정확도가 달라질 수 있으므로, 적절한 교육과 경험의 축적을 통해 검사의 정확도를 향상시키는 노력이 필요하다. 최근에는 높은 민감도와 재발률 감소에 대한 긍정적인 면이 부각되어 국내에도 도입이 확대되어 임상에서 널리 활용되고 있다.
2.2.3. 인공지능(AI) 기반 방광경
의료 영상 분석 분야에서 급속도로 발전하고 있는 딥러닝(Deep Learning) 기술은 방광암 진단 및 치료 과정에도 적용되어, AI 기반 방광경이라는 새로운 패러다임을 열고 있다. 전통적으로 검사자의 경험과 숙련도에 크게 의존하던 방광내시경 검사에서, AI는 실시간 종양 검출과 자동 경계 표시 등을 통해 진단 정확도 및 시술 효율을 높이는 데 기여할 것으로 기대하고 있다. 딥러닝 기술을 이용하여 실시간으로 방광 종양을 자동 검출하는 기술이 개발되고 있으며 대표적인 모델로는 CystoNet과 SwinTransformer가 있다.
CystoNet은 방광암 진단에 특화된 Convolutional Neural Network (CNN)구조를 사용해, 방광 내시경 영상에서 종양 병변을 자동 탐지하고 구역(segment)화하고 다기관 데이터셋을 활용해 학습 및 검증이 이루어진 사례가 보고되고 있으며, 한 연구에서는 민감도와 특이도가 기존 백색광 검사 대비 유의미하게 향상되었다는 결과가 보고된 바 있다. SwinTransformer는 비전 트랜스포머(Vision Transformer) 계열 모델로, 기존 CNN 기반 모델보다 병변 경계를 더욱 정교하게 분할(Segmentation)하는 데 도움을 주어, CIS (carcinoma in situ) 등 미세 병변 식별에도 유리할 것으로 기대된다.
∙장점: 검사자의 경험에 따른 편차를 줄이고, 실시간 영상 분석 가능
∙단점: 데이터 학습에 따라 성능이 달라질 수 있으며, 대규모 임상 적용 필요
AI 기반 방광경은 기존 검사법과 달리 자동화된 판독이 가능하며, 한 연구에서는 AI가 90.9%의 민감도와 98.6%의 특이도로 종양을 탐지하는 것으로 보고되었다. AI는 육안 관찰이 까다로운 편평 병변이나 CIS 진단에서 강점을 보일 것으로 기대되고 있으며, 또한 TURBT 과정에서 실시간으로 종양 부위를 식별하고 경계를 강조하여 수술의 정밀도를 높이는 데 기여할 수 있을 것이다.
2.3. 향후 전망 및 적용 가능성
향상된 기술을 활용한 방광암 진단 및 치료 전략은 다음과 같은 방향으로 발전하고 있다.
1.다중 방광경 기법의 통합: PDD, NBI등을 결합한 AI 기반 분석으로 보다 높은 진단 정확도를 확보하는 연구가 진행 중이다.
2.AI 기반 영상 분석의 실시간 적용: TURBT 동안 AI를 활용하여 종양 경계를 자동으로 식별하고, 최적의 절제 경로를 제시하는 기술이 개발되고 있다.
3.환자 맞춤형 치료 전략 수립: 방광암 병기 예측 모델이 개발됨에 따라, 개인 맞춤형 치료 계획 수립이 가능해지고 있다.
AI 성능은 데이터셋의 품질과 다양성에 크게 의존한다. 병변의 형태와 크기, 위치, 병리 유형 등이 다양하게 포함된 표준화된 대규모 데이터셋의 구축이 중요하다. AI를 의학적으로 활용하기 위해서는 식품의약안전처(Food and Drug Administration) 등 규제기관의 의료기기 승인이 필수적이며, 이에 대하여 전문가집단을 포함한 사회적 논의가 선행되어야 할 것이다. 그리고 무엇보다 임상시험을 통한 성능 검증, 안전성 평가, 모델의 신뢰도 확보 등이 함께 진행되어야 한다. 향후에는 고해상도 내시경 영상을 AI가 빠르게 처리하기 위해서는 GPU 연산 혹은 전용 하드웨어가 필요하며, 검사실 환경에서의 시스템 효율도 확보되어야 할 것으로 예상되며, 단순 영상 분석을 넘어, 환자 임상정보(나이, 병력), 조직학적 정보(유전자 변이) 등을 통합해 맞춤형 치료 전략을 제시하는 정밀의료(Precision Medicine)로 발전할 가능성이 높다. 이러한 발전을 통해, 방광암 환자의 치료 성과가 향상되고, 누락되는 방광종양을 최소화함으로써 재발률을 낮출 수 있을 것으로 기대된다.
