폐암 조직 슬라이드에서 EGFR 변이 예측까지: EAGLE AI의 임상 적용 사례

폐암 환자를 위한 유전자 검사, 왜 AI가 필요한가

폐선암(LUAD) 환자에게 EGFR 유전자 변이는 표적항암제 치료를 결정하는 핵심 바이오마커입니다. 그러나 실제 임상에서는 다양한 이유로 EGFR 검사가 누락되거나 실패하는 경우가 적지 않습니다.

• 조직량 부족으로 검사 실패
• 빠른 검사(PCR 기반)의 정확도 한계
• 고가의 NGS 검사와 긴 소요시간(2~3주)

이러한 제약을 극복하고자, AI 기반 조직 슬라이드 분석으로 EGFR 변이 여부를 예측하는 새로운 시도가 등장했습니다. 바로 EAGLE(EGFR AI Genomic Lung Evaluation) 모델입니다.

---

EAGLE AI 모델: 개발부터 임상 실험까지

EAGLE은 1.1억개의 파라미터를 가진 비전 트랜스포머(ViT) 기반으로, 전세계 8,400여 장의 폐선암 H&E 염색 슬라이드 데이터를 학습하여 개발되었습니다.

주요 성능

• 내부 검증 AUC: 0.847
• 외부 검증 AUC: 0.870
• 임상 Silent Trial AUC: 0.890
• AI 예측 시간: 약 44분
• PCR 기반 빠른 검사 대비 최대 43% 검사 수 절감

EAGLE의 임상 진단 프로세스 및 AI의 역할

 

EAGLE의 예측 성능 ROC 곡선

---

AI가 가져온 임상적 변화

EAGLE의 도입은 기존의 진단 과정에 큰 변화를 가져왔습니다.

• NGS 성공률 증가: 조직 소모 없이 예측 가능
• 진단 단계에서 EGFR 예측 가능, 빠른 치료 시작 지원
• 불필요한 빠른 검사(PCR) 최대 43% 감소
• 결과 해석을 위한 시각화 제공: AI가 주목한 조직 영역을 시각화하여 병리의가 보완적 판단 가능

게다가 AI의 판단이 잘못된 사례에서도, 다른 유사한 유전자 변이(예: ERBB2, MET 등)가 발견되어 임상적 통찰을 추가로 제공했습니다.

---

한계와 미래 확장

• 전이암에서는 정확도 다소 저하
• EGFR 외 ALK, ROS1 등 다른 변이 예측으로 확장 필요
• 실제 치료 성과 개선을 확인할 전향적 임상시험 필요

EAGLE은 현재 EGFR 변이 예측에 국한되지만, 이 접근법은 향후 다양한 암종과 바이오마커 예측으로 확장될 수 있습니다. 특히 AI가 조직 슬라이드 기반으로 다양한 치료 예후를 예측하는 시대가 머지 않았습니다.

---

한줄평

"EAGLE은 병리 조직 슬라이드 한 장에서 환자의 맞춤 치료 방향을 예측하는, AI 기반 정밀의료의 혁신적인 첫걸음입니다."

 

참고문헌 : DOI: 10.1038/s41591-025-03780-x