기존의 2D 병리학은 위장관 질환 진단에 많이 사용되었지만, 조직의 복잡한 3D 구조나 살아있는 조직 환경을 제대로 파악하기 어려웠습니다. ,마치 3D 영화를 2D 사진으로 보는 것처럼, 중요한 연결성이나 전체적인 모습을 놓치기 쉬웠습니다. 샘플링 오류나 조직 처리 과정에서 발생하는 문제들로 인해 정확한 진단이 어려워지기도 했습니다. 이러한 한계를 극복하기 위해 새로운 3D 이미징 기술의 필요성이 대두되었습니다. 방법론 장점 단점 기존 2D 병리학 오랜 연구와 경험 축적 3D 구조 및 동적 환경 파악 어려움, 샘플링 편향, 인공물 발생 가능성 새로운 3D 기술 조직의 3D 구조 및 연결성 파악 용이 초기 단계 연구, AI 기반 분석 통합 필요 2. AI와 3D 이미징 기술의 만남 (새로운 프로토콜 소개) 이 연구는 3D 이미징 기술과 AI 기반 분석을 합쳐서 위장관 조직을 더 잘 보고 정확하게 진단하는 방법을 제안합니다. 마치 복잡한 지도를 만들 때 3D로 전체 모습을 보고, 똑똑한 AI가 중요한 정보를 빠르게 찾아주는 것과 비슷합니다. 이 새로운 프로토콜은 조직의 미세한 구조와 질병으로 인한 변화를 더 정확하게 보여주는 것을 목표로 합니다. 이를 통해 궤양성 대장염이나 Hirschsprung 병같은 질환을 더 잘 이해하고 진단할 수 있을 것으로 기대됩니다. , 3. 어떻게 더 정확하게 볼 수 있을까요? (조직 투명화 및 3D 이미징) 조직을 3D로 잘 보기 위해서는 먼저 조직을 투명하게 만드는 과정이 필요합니다. 마치 유리처럼 투명해진 조직은 현미경으로 속까지 깊숙이 볼 수 있게 됩니다. 이 과정은 여러 단계를 거치는데, 탈색과 전기 투과 방식을 사용하여 조직 안의 지방 등을 제거합니다. 이렇게 투명해진 조직은 3D 이미징 기술을 통해 신경 구조나 다른 중요한 소기관들이 어떻게 연결되어 있는지를 생생하게 보여줍니다. 4. AI가 분석을 어떻게 돕나요? (AI 기반 분석의 장점) AI 기반 분석은 기존 방식보다 훨씬 빠르고 정확하게 조직을 분석합니다. 예를 들어, 대장 조직 샘플 분석 시간을 기존 13일에서 AI를 사용하면 단 20분으로 단축할 수 있습니다. 또한, AI는 사람의 실수를 줄여주고 분석 결과의 일관성을 높여줍니다. 특히 신경 세포(뉴런)의 부피나 표면적 같은 3D 측정값은 AI가 있어야만 정확하게 계산할 수 있습니다. 분석 방법론 대장 조직 샘플 분석 시간 수술 샘플 분석 시간 정확도 및 일관성 기존 수동 2D 분석 13일 이상 30일 상대적으로 낮음 3D 비-AI 분석 1일 1일 정확도 한계 3D AI 기반 분석 20분 4시간 높음 5. 실제 질환 진단에 어떻게 적용될까요? (임상적 활용 가능성) 이 AI 기반 3D 병리학기술은 궤양성 대장염이나 Hirschsprung 병과 같은 위장관 질환 진단에 큰 도움이 될 수 있습니다. 특히 Hirschsprung 병환자의 수술 조직에서 신경 세포가 없는 부분을 AI가 정확하게 구별해냈습니다. 궤양성 대장염에서는 조직의 미세한 변화를 3D로 정량 분석하여 질병 진행 상태를 더 잘 파악할 수 있습니다. 또한, 대장암에서 중요한 예후 인자인 신경 주위 침범 같은 것을 기존 2D로는 보기 어려웠지만 AI 3D로는 명확하게 볼 수 있습니다. 6. 앞으로의 발전 방향은? (연구의 미래) 이 연구 결과는 AI 기반 3D 병리학이 의학진단과 환자 치료에 혁신적인 변화를 가져올 잠재력을 보여줍니다. 앞으로는 더 다양한 질환에도 이 기술을 적용하고, AI 알고리즘을 더 발전시켜 정확도를 더욱 높일 계획입니다. AI 분석 결과를 임상 데이터와 결합하면 맞춤형 치료 전략 수립에도 기여할 수 있을 것입니다. 궁극적으로 이 기술은 질병을 더 빠르고 정확하게 진단하고 비용 효율적으로 새로운 임상 특징을 발견하는 데 중요한 역할을 할 것으로 기대됩니다. Leica AiVIA 사용 논문 파일첨부