Qanti® IHC 공급 확대에 따른 다중 스캐너 환경 AI 분석 성능 안정화 기술 검증
IHC 기반 세포 분석 기술을 H&E로 확장… Qanti® Discovery의 다중 바이오마커 분석 가능성 제시
인공지능(AI) 디지털병리 기반 바이오마커 정밀분석 전문기업 에이비스(AIVIS, 대표 이대홍)는 실제 의료 현장에서 안정적 활용을 위한 바이오마커 분석 AI 기술 개발과 분석 영역 확대를 위한 연구 성과 2건을 미국과 싱가포르 국제학회에서 발표했다고 밝혔다.
에이비스는 지난 10월 16일부터 18일까지 미국 샌디에이고에서 열린 'Pathology Visions 2026'과 11월 1일부터 3일까지 싱가포르에서 개최된 'ASDP 2026'에서 각각 다중 스캐너 환경 AI 분석 성능 안정화와 면역조직화학염색(IHC) 데이터의 H&E 분석 활용에 관한 연구 결과를 공개했다. 이번 두 연구는 단순한 AI 모델 성능 개선이나 학습 기법 개발을 넘어, 실제 병원 공급 확대 과정에서 요구되는 기술적 안정성을 확보하고, 이미 축적한 병리 분석 기술을 새로운 검사 및 바이오마커 분석 영역으로 확장하기 위한 연구라는 점에서 의미가 있다.
에이비스는 식품의약품안전처 허가를 받은 AI 기반 면역조직화학 영상 분석 솔루션 '콴티 IHC(Qanti® IHC)'를 국내 의료기관에 공급하고 있다. 유상 공급과 도입·실증을 포함한 현장 접점이 20여개 의료기관으로 확대되면서, 병원마다 다른 디지털 병리 장비와 영상 환경에서도 분석 성능을 안정적으로 유지하는 것이 중요한 기술 과제로 부각되고 있다.
의료기관에서는 Philips, Leica, Hamamatsu 등 서로 다른 제조사 병리 슬라이드 스캐너를 사용하고 있다. 동일한 조직을 스캔하더라도 장비별 광학적 특성에 따라 영상의 색상, 대비, 선명도 등이 달라질 수 있으며, 이는 AI의 세포 검출 및 정량 분석 성능에 영향을 미칠 수 있다. 따라서 연구실 특정 장비에서 높은 정확도를 구현하는 것뿐만 아니라 다양한 실제 사용 환경에서 일관된 결과를 제공할 수 있는 기술이 필요하다.
Pathology Visions 2026에서 에이비스 연구팀은 면역조직화학(IHC) 영상 분석에서 스캐너 간 차이로 발생하는 AI 세포 검출 성능 저하를 줄이는 UniScan-Ki67 연구를 발표했다. 연구팀은 생성형 AI를 이용해 서로 다른 스캐너로 촬영한 영상을 기준 스캐너의 영상 특성에 맞추는 정규화 기술을 개발했다. 이를 적용한 결과, 세포 검출 모델을 추가로 학습시키지 않고도 두 스캐너의 영상에서 검출 성능 지표(mAP50)가 각각 0.079에서 0.795로, 0.350에서 0.799로 향상됐다. 이는 모델 학습에 사용한 기준 스캐너 영상에서의 성능(0.814)에 근접한 수준이다. 이번 결과는 스캐너가 달라질 때마다 핵심 세포 검출 모델을 다시 학습시키지 않고도, 영상 정규화를 통해 분석 성능 저하를 크게 줄일 수 있다는 가능성을 실험적으로 검증했다는 점에서 의미가 있다.
에이비스는 Qanti® IHC의 실제 공급 환경에서 중요해진 다중 스캐너 대응 기술을 지속적으로 고도화하고 있으며, 이번 연구는 해당 기술을 Ki-67 분석 영역에서 정량적으로 평가한 성과다.
이와 함께 에이비스는 싱가포르 ASDP 2026에서 기존 IHC 영상에 축적한 세포 분석 데이터와 AI 기술을 H&E 영상 분석으로 확장하는 연구를 발표했다. 에이비스와 고려대 의과대학 병리과 연구팀이 공동으로 수행한 이번 연구는 IHC 영상에 이미 구축된 세포 위치 및 분류 정보를 새로운 H&E 영상 분석 모델의 학습에 활용할 수 있는지를 검증했다.
연구팀은 가상염색(Virtual Staining) 기술을 통해 원본 영상의 세포 주석 정보를 H&E로 이전시킬 수 있는 AI 모델을 개발하고, 이를 활용해 세포 검출 모델을 학습시켰다. 이후 실제 유방암 H&E 슬라이드 24장, 총 100개 분석 영역을 포함한 외부 데이터 세트에서 성능을 평가했다.
그 결과, 가상 H&E 영상을 활용해 학습한 모델은 기존 IHC 영상만으로 학습한 모델에 비해 실제 H&E 영상에서의 세포 검출 재현율이 약 10%포인트 향상되는 결과를 보였다. 이번 연구는 기존 IHC 영상에 표시된 세포 정보를 활용해 학습 데이터 구축 부담을 줄이고, 병리 AI의 적용 범위를 H&E 영상 분석으로 넓힐 가능성을 제시했다.
에이비스는 이를 연구용 병리 AI 플랫폼 '콴티 디스커버리(Qanti® Discovery)' 기술 확장 방향과 연결하고 있다. 콴티 디스커버리는 IHC 기반 바이오마커 세포 단위 정량 분석을 지원하는 연구용 병리 AI 플랫폼이다. 에이비스는 향후 H&E를 비롯한 다양한 조직 영상으로 분석 기술을 확장해 신약 개발 및 병리 연구에 활용할 수 있는 분석 영역을 넓혀갈 계획이다. 이를 위해 IHC와 H&E 분석 기술의 연계를 고도화하고, 종양세포와 면역세포의 분포, 종양미세환경, 다양한 면역조직화학 바이오마커의 발현 특성 등을 종합적으로 분석할 수 있는 기술로 발전시킬 계획이다. 기존에 구축한 세포 단위 분석 데이터와 기술을 새로운 염색 및 검사 영역에 활용함으로써 바이오마커 분석 모델의 개발과 검증을 효율화한다는 구상이다.
이대홍 에이비스 대표는 “병리 AI가 실제 의료 현장에서 가치를 창출하려면 특정 데이터세트에서 높은 정확도를 보이는 것만으로는 충분하지 않다”며 “병원마다 다른 장비와 검사 환경에서도 안정적으로 작동하고, 의료진과 연구자가 신뢰할 수 있는 분석 결과를 제공해야 한다”고 말했다. 이어 “에이비스는 콴티 IHC의 실제 병원 공급 경험을 통해 확인한 기술적 요구사항을 연구개발에 반영하고, 이를 정량적으로 검증해 나가고 있다”고 덧붙였다. 또 “동시에 IHC에서 축적한 방대한 세포 단위 분석 기술과 데이터를 H&E 및 다양한 면역 바이오마커 연구로 확장하고 있다”며 “이는 단순한 연구용 AI 모델 개발이 아니라, 실제 의료기관에서 요구되는 병리 분석 기술과 제약사의 바이오마커 연구 및 신약 개발을 아우르는 실용적인 병리 AI 기술 기반을 구축하기 위한 과정”이라고 강조했다.
김현민 기자 minkim@etnews.com
