PCNA 기반 인간 난소 조직 이미지 자동 여포 식별

초록

본 연구는 인간 난소 조직에서 증식세포핵항원(PCNA) 면역염색을 이용해 비성장 난포(NGF)를 시각화하고, 이미지 처리 알고리즘으로 자동 식별·계수를 수행하였다. 자동 결과는 3명의 전문가가 제시한 보수·자유 추정 평균(‘골드 스탠다드’)과 10% 이내 차이를 보였으며, 100배·200배 배율 모두에서 일관성을 확인했다. 분석 속도는 인간보다 느리지만, 대규모 데이터셋에 적용 가능한 방법론을 제시한다.

상세 요약

이 논문은 인간 난소 보존량을 정량화하기 위한 새로운 자동화 파이프라인을 제시한다. 기존 연구에서는 주로 HE 염색을 사용했으나, HE는 핵과 세포질을 동시에 색칠해 배경 잡음이 많고, 난포 경계 식별이 어려운 단점이 있다. 저자들은 증식세포핵항원(PCNA) 항체를 이용해 핵만을 선택적으로 염색함으로써, 난포 내 난포세포와 주변 조직을 명확히 구분할 수 있었다. 이는 이미지 전처리 단계에서 색상 채널을 단순화하고, 이진화 임계값 설정을 용이하게 만든다.

이미지 획득은 100×와 200× 배율의 광학 현미경으로 수행했으며, 각각 512 × 512 픽셀 해상도를 확보했다. 자동 식별 알고리즘은 크게 네 단계로 구성된다. 첫째, 색상 변환을 통해 PCNA 신호가 강한 채널을 추출하고, 가우시안 블러로 잡음을 감소시킨다. 둘째, Otsu 방법을 이용한 전역 임계값으로 이진화를 수행해 핵 영역을 분리한다. 셋째, 형태학적 연산(침식·팽창)과 연결 요소 분석을 통해 개별 핵을 라벨링하고, 각 라벨에 대해 면적·형태·위치 정보를 계산한다. 넷째, 라벨된 핵이 난포의 전형적인 구조(중심 핵 주위에 다수의 주변 핵)와 일치하는지를 판단하는 규칙 기반 필터를 적용한다. 이 규칙은 난포 직경(30–150 µm), 핵 밀도, 핵 간 거리 등을 고려해 거짓 양성을 최소화한다.

알고리즘 검증은 세 명의 병리학 전문가가 각각 보수적(최소 기준)과 자유적(최대 기준)으로 난포를 수동 카운트한 결과와 비교했다. 각 이미지에 대해 전문가 3인의 평균값을 ‘골드 스탠다드’로 정의하고, 자동 카운트와의 상대 오차를 계산했다. 결과는 100× 배율에서 평균 6.8% 오차, 200× 배율에서 평균 8.2% 오차를 보였으며, 모두 10% 허용 범위 내에 있었다. 또한, 자동화된 파이프라인은 전체 400여 장의 이미지 처리에 약 3시간이 소요됐으며, 인간이 동일 작업을 수행할 경우 휴식과 피로도로 인해 실제 소요 시간은 더 길어질 수 있음을 언급한다.

한계점으로는 PCNA 염색 강도의 변동성, 조직 절편 두께에 따른 초점 불균일성, 그리고 매우 작은 난포(초기 원시 난포)의 검출 민감도가 낮다는 점을 들었다. 향후 딥러닝 기반 세그멘테이션 모델을 도입하면 이러한 변동성을 학습해 더욱 정밀한 검출이 가능할 것으로 기대한다. 또한, 대규모 코호트 연구에 적용하기 위해 클라우드 기반 병렬 처리 파이프라인을 구축하는 방안도 제시한다.

전반적으로 이 연구는 인간 난소 조직에서 PCNA를 이용한 특이적 핵 염색과 규칙 기반 이미지 분석을 결합해, 비성장 난포를 자동으로 식별·계수하는 실용적인 방법을 제공한다. 이는 난소 보존량 평가의 표준화를 촉진하고, 장기적인 생식 능력 연구 및 임상 의사결정에 기여할 수 있다.