- 한 번의 PET 촬영만으로 방사성의약품 주사 후 방사선 생체 내 분포 평가

- PET 영상 생성 딥러닝 모델, 장기별 방사선 흡수선량 평가에서 높은 정확도 보여

□ 한국원자력의학원(원장 이진경) 우상근 박사 연구팀이 한 번의 양전자방출단층촬영(이하 PET)으로 방사성의약품의 시간변화에 따른 생체 내 분포 평가를 할 수 있는 PET 영상 생성형 인공지능(AI) 모델을 개발했다.

□ 방사성의약품을 상용화하기 위해서는 방사성의약품이 체내에 들어와 어느 장기에 얼마나 분포하는지 시간에 따른 생체 내 분포를 정량화하여 일반 장기의 피해를 최소화하고, 표적부위의 치료효과를 극대화하기 위한 안전성과 유효성 평가가 중요하다.

○ 기존에는 방사성의약품의 분포를 주로 PET을 이용해 평가해 왔으며, 시간변화에 따른 생체 내 분포를 평가하기 위해 여러 번의 PET 영상을 찍어야 되기 때문에 환자와 의료진에게 부담이 되어왔다. 특히 치료용 방사성의약품은 진단용에 비해 높은 에너지로 체내에 방사성의약품이 잔류하는 시간이 길어 생체 내 분포 평가에 어려움이 있어 왔다.

□ 연구팀은 현재 한국원자력의학원이 림프종 진단용으로 임상시험 중인 방사성의약품 구리-64 도타 리툭시맙(64Cu-DOTA-rituximab)의 생체 내 분포를 PET 영상 생성형 인공지능(AI) 모델을 이용하여 한 번의 PET 촬영 영상으로 24시간과 48시간 째의 PET 영상을 획득하여 평가하는데 성공했다.

○ 림프종 환자 6명을 대상으로 연구팀은 64Cu-DOTA-rituximab을 주사하고 3일에 걸쳐 3회(주사 직후, 24시간 째, 48시간 째)의 PET을 촬영하여 60건의 PET 영상을 증강 생성시켰다.

○ 60건의 PET 영상을 학습시킨 딥러닝 모델은 64Cu-DOTA-rituximab을 주사하고 1회 촬영한 PET 영상을 입력하면 영상 생성기에서 시간변화에 따른 영상을 생성하고 영상 판별기를 통해 24시간 째, 48시간 째 PET 영상을 얻을 수 있는 원리다.

○ 딥러닝 모델 생성 PET 영상은 잔류시간과 등가선량, 유효선량 등 체내 분포를 3일에 걸쳐 3회 반복 촬영한 PET 영상과 비교 평가한 결과, 방사성의약품의 장기별(심장, 폐, 간, 위, 신장 등) 잔류시간 평균절대오차는 0~5.63%, 등가선량 오차는 1%, 유효선량 오차는 0.52%로 높은 정확도를 나타냈다.

※ 딥러닝: 인공지능 기술의 하나로 여러 비선형 변환기법 조합을 통해 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약 분류하는 학습 네트워크임

※ 등가선량: 인체에 미치는 방사선 영향을 나타내는 것으로 방사선의 종류와 에너지에 따라 다르므로 방사선 흡수선량(방사선이 매질에 흡수된 에너지의 양)에 방사선 가중치를 고려해 산출함

※ 유효선량: 인체에 미치는 방사선 영향을 나타내는 것으로 신체의 조직 및 장기에 따라 방사선 영향이 각각 다르므로 등가선량에 조직 가중치를 고려해 산출함

□ 이번 연구성과는 딥러닝 기법을 적용하여 기존 수회에서 단 한 번의 PET 촬영만으로 시간에 따른 방사성의약품의 체내 잔류시간과 흡수선량 등 체내분포를 평가해 치료계획을 조속히 수립하고, 시간과 비용을 줄여 환자와 의료진 모두의 편의성을 높이는데 기여할 것으로 기대된다.

□ 우상근 박사 연구팀의 이번 연구성과는 네이처 자매지 ‘사이언티픽 리포트(Scientific Reports)’ 2025년 2월 15일자 온라인판에 게재됐다.

- 논문명: Deep learning-based organ-wise dosimetry of 64Cu-DOTA-rituximab through only one scanning

- 저자정보: 김강산(제1저자), 양진규, 모아스, 강지수, 이인기, 임일한, 우상근(교신저자)

□ 연구팀은 "이번 연구 성과가 정부의 방사선 바이오 성과 창출 전략에 발맞춰 방사성의약품 치료 신약 개발 과정에 속도를 높이고, 환자들이 치료 혜택을 더 빨리 누릴 수 있도록 기여할 것"이라며, 정밀 의료 확대에 이바지할 수 있을 것으로 기대한다고 밝혔다.

□ 이번 연구는 과학기술정보통신부에서 지원하는 ‘약물 및 방사선 반응 데이터 통합처리 기술 개발’과 원자력연구개발사업으로 진행한 ‘인공지능 기술 활용 방사선 및 항암치료 반응 예후예측 의료기술 개발’의 일환으로 수행됐다.

<붙임>

☐ 연구의 필요성

○ 방사성의약품은 체내 분포 시간이 매우 오래 걸려 정확한 평가를 위해 장기간 반복 촬영이 필요하다. 그러나 이는 환자 부담과 비용, 시간적 제약을 초래한다. 반복 촬영 없이 선량 평가 예측을 위해 딥러닝 모델을 활용한 지연 영상 생성을 통해 예측 가능성을 제시하고자 했다.

☐ 연구내용

○ 본 연구에서는 딥러닝을 활용하여 획득한 초기 PET 영상을 기반으로 지연 PET 영상을 생성하는 모델을 개발하였다. 또한 딥러닝 학습 시 L1 손실함수를 적용했을 때 생성된 영상의 유사도가 향상됨을 확인하였다. 생성된 지연 영상을 활용하여 예측된 선량 평가 결과는 실제 선량 평가와 유사한 값을 보였다.

☐ 기대효과

○ 촬영 횟수를 최소화하며, 선량평가에 필요한 비용과 시간을 절감

○ 조기 선량평가를 통한 빠르고 효율적인 치료 계획 수립

□ 환자의 영상을 오토인코더 기반의 PET 지연 영상 생성기(좌)를 통해 새롭게 영상을 생성하고 합성곱 신경만 기반의 PET 지연 영상 판별기(우)를 통해 생성영상과 획득영상의 차이를 판별함

□ 다중시점 방사성의약품 구리-64 도타 리툭시맙(64Cu-DOTA-rituximab) PET 영상을 통해 추정된 체내 잔류시간과 딥러닝을 통해 생성된 24시간, 48시간 지연 PET 영상을 이용한 체내 잔류시간을 평가하였을 때 장기별로 유사함을 확인함

<우상근, 교신저자>

☐ 인적사항

○ 소 속 : 한국원자력의학원 방사성의약품개발팀

○ 전 화 : 02-970-1659

☐ 경력사항

○ 2001∼2003 일본 National Cerebral and Cardiovascular Center Research assistant

○ 2003∼2005 성균관대학교 인체구조영상화신기술개발센터 전임연구원

○ 2006∼2008 원자력병원 박사후연수생

○ 2014∼2015 미국 University of California, San Francisco Research fellow

○ 2010∼현 재 UST 방사선의과학 교수

○ 2008∼현 재 한국원자력의학원 책임연구원

☐ 전문분야 정보

○ 핵의학물리학 (핵의학영상 정량화, 방사성의약품 평가)

○ 컴퓨터공학 (영상처리, 인공지능 연구)