의료 인공지능(AI) 기업 루닛(대표 서범석)은 11월 30일부터 12월 4일까지 미국 시카고에서 열리는 '2025 북미영상의학회(Radiological Society of North America 2025, 이하 RSNA 2025)'에서 AI 의료영상 분석 솔루션 '루닛 인사이트'를 활용한 14편의 연구초록을 발표했다고 3일 밝혔다.

이번 학회의 주요 연구 결과로, 루닛은 스웨덴 대표 사립병원 '카피오 세인트괴란 병원(Capio S:t Göran Hospital, 이하 세인트괴란 병원)' 카린 뎀브로워(Karin Dembrower) 박사 연구팀과 함께 유방암 검진 패러다임 변화 연구를 구연 발표(Oral presentation)했다.

연구팀은 세인트괴란 병원에서 2020년 9월부터 2024년 6월까지 진행된 약 20만건의 유방암 검진 데이터를 통해 AI 도입 전후 성과를 비교 분석했다.

연구팀은 판독 방식에 따라 ▲영상의학과 전문의 2명이 AI 없이 판독(2만4770건) ▲전문의 2명과 유방촬영술 AI 영상분석 솔루션 '루닛 인사이트 MMG'를 함께 활용(11만591건) ▲전문의 1명과 루닛 AI가 함께 판독(5만8462건)으로 구분했다.

그 결과, 전문의 1인-AI 협업 판독 방식은 전문의 2인이 AI를 사용하지 않는 이중판독 대비 침윤성(Invasive) 유방암 검출률이 0.29%에서 0.39%로 34.5% 증가했다. 리콜률(RR)은 2.62%에서 2.54%로 3.1% 감소, 양성예측도(PPV)는 16.6%에서 25.6%로 54.2% 향상됐다.

특히 전문의 1인+AI 협업 판독 방식은 리콜률이 가장 낮으면서도 양성 예측도와 침윤성 유방암 검출률은 제일 높은 효율적 판독 방식임을 입증했다.

또한, 미국 메사추세츠 종합병원(Massachusetts General Hospital) 마니샤 바흘(Manisha Bahl) 박사 연구팀은 유방단층촬영술(DBT) 환경에서의 AI 검출 특성을 분석한 연구를 포스터 발표로 진행했다.

연구팀은 3D 유방단층촬영술 AI 솔루션 '루닛 인사이트 DBT'를 활용해 1000건의 DBT 영상을 분석했다.

그 결과, 루닛 인사이트 DBT는 실제 유방암으로 확인된 334건 중 84.4%(282건)를 정확히 검출하고 병변 위치까지 올바르게 특정했다. 병변에 따른 차이를 분석한 결과, AI가 암을 찾은 사례에서는 종괴형 병변(42.9%)과 침윤성 유관암(61.0%)의 비중이 높았고, 놓친 사례에서는 석회화 병변(59.6%)과 비침윤성 상피내암(51.9%)의 비중이 높았다.

이번 연구는 AI가 어떤 아형에서 강점을 보이고, 보완이 필요한지를 보여줬다. 실제 임상 환경에서 AI를 보다 효과적으로 활용하기 위한 지표로 평가되며, 특히 석회화와 비침윤성 상피내암 영역에서의 관찰은 향후 알고리즘 고도화 방향성을 제시하는 근거로 의미가 크다.

마지막으로 미국 엘리자베스 웬드 유방암 클리닉(Elizabeth Wende Breast Care) 스타마티아 데스투니스(Stamatia Destounis) 박사 연구팀은 루닛 인터내셔널(구 볼파라)의 리스크(Risk)와 덴서티(Density) 제품을 활용해 유방의 체적 밀도(Volumetric breast density)가 유방암 위험도 평가에 미치는 영향을 규명하기 위한 두 건의 연구를 구연 발표했다.

첫 번째 연구에서는 4만4651명의 검진 데이터를 바탕으로, 유방 체적 밀도 값을 대표적 위험 예측 모델인 타이러-쿠직(TC)과 보아디시아(BA)에 각각 적용해 고위험군 분류 차이를 비교했다. 그 결과, TC 모델이 BA보다 유방 체적 밀도와 가족력 요소를 더 크게 반영해 더 많은 여성을 고위험군으로 분류하는 경향을 보였다.

다음 연구에서는 33만여건의 유방촬영 영상을 활용해 유방 체적 밀도가 시간에 따라 어떻게 변화하는지, 이러한 변화가 위험 예측 모델에 어떤 영향을 미치는지를 평가했다. 그 결과, 단일 시점의 밀도와 유방영상보고데이터시스템(BI-RADS) 범주를 사용하는 경우 실제 암 발생 건수를 과소 추정한 반면, 장기 평균 유방 밀도를 사용한 경우 예측치와 실제 발생 건수가 가장 근접해 모델 신뢰도를 향상시키는 것으로 나타났다.

두 연구는 유방의 체적 밀도가 단순한 보조 지표가 아니라 위험 예측의 주요 변수임을 재확인하는 한편, 시간 흐름에 따른 밀도 변화까지 반영하는 '종단적(Longitudinal) 위험 평가'가 고위험군 분류의 정확도와 일관성을 높이는 데 중요함을 시사한다.

서범석 루닛 대표는 "이번 연구들은 유방암 검진 정확도 향상, DBT 기반 병변 특성별 검출력 분석, 그리고 밀도 확인을 통한 위험도 예측까지 유방암 관리의 전 과정에서 AI가 기여할 수 있음을 입증한 것"이라며 "글로벌 학회를 통한 검증을 토대로 미국을 비롯한 전 세계 유방암 검진 환경에서 AI 기반 표준을 정립해가겠다"고 말했다.