Page 1 - 대한진단검사정도관리협회 뉴스레터 VOL135 (2026년 6월)
P. 1

Newsletter  135호                                            2026

                                          진단검사 정도관리                                                 06










            Newsletter from Korean
         Association of External Quality   혈액암 진단에서의 머신 러닝의 역할                                      한림의대
              Assessment Service                                                                    이 누 리
                                                                                                    (간행위원)




          혈액암 진단에서의
           머신 러닝의 역할  ………………………………… 01    혈액암 진단에서의 인공지능(Artificial intelligence, AI)/머신러닝(Machine learning, ML)의 역
                                          사는 불과 십여년 사이에 혁신적 전환을 거쳤다. 초기에는 규칙 기반 시스템(rule-based system)
          반복서열확장질환 검사의                    과 SVM(Support Vector Machine), 랜덤 포레스트(Random Forest) 등의 고전 머신러닝 분류기
          정도관리   ………………………………………………… 02   가 주류였으나, 2020년을 지나며 딥러닝이 도약하였고, ResNet, U-Net 등의 깊은 합성곱 신경망
                                          (CNN)이 도입되면서 골수 및 말초혈액 이미지의 세포 형태 분류에서 전문가 수준의 성능이 구현
          검사실에서 생긴 일   …………………………… 05     되었다. 이 시기부터 형태 분류의 자동화가 단순한 연구를 넘어 임상 현장 적용으로도 조금씩 이
                                          행하기 시작했다.
          비타민 D 검사 결과가
                                          혈액암 진단에 인공지능을 활용하는 가장 성숙한 영역은 현재 디지털 세포 형태 분석으로, 이미
          갑자기 낮아졌을 때   …………………………… 07
                                          상업용 플랫폼이 검사실에서 도입되고 있다. 미국 FDA는 현재까지 약 17개의 AI·ML 기반 혈액학
                                          디지털 형태 분석 기기를 허가했으며, 주요 FDA 허가 플랫폼은 CellaVision DM1200, Sysmex DI-
          Cherry Blossom Symposium 2026
                                          60, Scopio Labs X100/X100HT, Scopio Labs FF-BMA 등이 있다. 특히, Scopio Labs FF-BMA
          해외학술대회 참관기  ………………………… 08
                                          는 FDA 허가를 최초로 획득한 디지털 골수 흡인 분석 AI 애플리케이션으로 의미가 있다. 다만 골
                                          수 검체의 경우 도말 준비의 표준화 부재, 외부 QC 물질 제작의 어려움 등 아직까지 제한점이 존
                                          재하므로 현장 도입 시에는 이 점을 고려하여 신중히 도입할 필요가 있다.
                                          이러한 디지털 세포 형태 분석뿐만 아니라, 예후 예측 및 모니터링에 있어서도 머신 러닝은 상
                                          용화와 임상 적용은 한걸음 더 가까워지고 있다. 예후 예측 분야의 대표 사례는 MD Anderson
                                          Cancer Center가 개발한 LEAP(LEUkemia Artificial Intelligence Program)이다. CML-CP(만성
                                          기 만성골수성백혈병) 환자에게 최적의 1차 TKI(타이로신 인산화효소 억제제)를 추천하는 AI 의사
                                          결정 지원 알고리즘으로, 나이·성별·CBC 21개 항목·골수 검사 12개 항목·CML 위험도 점수(Sokal,
                                          Hasford, EUTOS, ELTS)·세포유전학·동반 질환 등 총 101개 변수를 XGBoost로 학습했다. 후향
                                          적 분석에서 LEAP 추천군은 5년 FFS 63% 대 28%(p<0.001), 5년 OS 98% 대 77%(p<0.001)로
                                          LEAP이 TKI 내성과 독성을 장기적으로 회피하는 방향으로 치료를 최적화했음을 보여주었다. 이
                                          러한 알고리즘은 앞으로 각 질환군별, 병원별, 검사실별 모델을 지속적으로 개발하고, 최적화하고
                                          재검증하는 체계를 갖추는 것의 필요와 중요성을 보여준다.

                                          2023년 이후, 임상 데이터, 유전체, 조직병리, 영상 정보를 통합하는 멀티모달 접근법이 확산
                                          되고 있다. 형광 염색 없이 세포 정보를 추출하는 label-free 기술(Ghost cytometry)이 등장했
                                          고, 진단·예후·모니터링을 연속적으로 처리하는 AI 에이전트(Agent AI) 개념으로 발전이 이어지
          사단 대한진단검사정도관리협회                 고 있다. AI는 이제 단일 작업 자동화를 넘어 임상 의사결정 전 과정을 지원하는 시스템으로 진
          법인
                                          화 중이다. AI 모델의 개발 못지않게, 또는 그 이상으로 중요한 것이 배포 이후의 지속적 유지·관
          05854 서울시 송파구 법원로 128           리(maintenance)다. ML 모델은 학습 당시의 데이터로만 작동하도록 설계되어 있어, 시간이 지
          문정역SKV1 A동 1505호                남에 따라 환자 구성 변화, 장비·시약 교체, 진료 지침 개정 등으로 성능이 저하되는 모델 드리
          TEL  02)744-6841
   1   2   3   4   5   6