광학 투과 영상 프랙탈 차원 분석을 통한 대장암 단계 구분

초록

본 연구는 반사 현미경으로 촬영한 5 µm 두께의 대장 조직 마이크로 어레이(TMA) 영상을 이용해 프랙탈 차원, 엔트로피 및 공간 상관 함수를 계산하고, 이를 정규 조직, 인접 조직, 양성 병변, 1기 및 2기 대장암을 구분하는 지표로 활용하였다. 프랙탈 차원과 엔트로피가 암 진행에 따라 일관되게 증가함을 확인했으며, 다중 클래스 분류에서 높은 정확도를 달성하였다.

상세 분석

본 논문은 조직이 갖는 자기유사성(self‑similarity) 특성을 정량화하기 위해 프랙탈 차원(fractal dimension, FD)을 핵심 지표로 삼았다. 5 µm 두께의 대장 조직 마이크로 어레이(TMA) 샘플을 반사 현미경(reflectance microscopy)으로 촬영한 후, 회색조 이미지에 대해 2‑차원 박스‑카운팅(box‑counting) 방법을 적용해 FD를 추정하였다. 박스 크기를 로그 스케일로 변환한 뒤, 로그(박스 수)와 로그(박스 크기) 사이의 기울기를 선형 회귀로 구함으로써 FD 값을 얻었다.

FD와 병변 단계 간의 상관관계를 보강하기 위해 두 가지 보조 지표를 도입했다. 첫째, 이미지의 픽셀 강도 분포를 기반으로 샤논 엔트로피(Shannon entropy)를 계산하여 조직의 무질서 정도를 정량화하였다. 둘째, 공간 상관 함수(spatial correlation function)를 이용해 픽셀 간 거리 의존성을 분석함으로써 조직 구조의 장거리 연관성을 파악했다. 엔트로피와 상관 길이(correlation length) 모두 암이 진행될수록 증가하는 경향을 보였으며, 이는 세포 내 대량 물질(예: DNA, 지질)의 축적과 재배열이 조직의 이질성을 확대한다는 가설을 뒷받침한다.

분류 단계에서는 추출된 FD, 엔트로피, 상관 길이 세 변수를 입력으로 하여 다중 클래스 서포트 벡터 머신(SVM) 및 랜덤 포레스트(Random Forest) 모델을 훈련시켰다. 교차 검증 결과, 전체 정확도는 92 % 이상이며, 특히 정상 조직과 2기 암을 구분하는 민감도와 특이도가 각각 95 %와 94 %에 달했다. 이는 기존 병리학적 진단이 의존하는 색소 염색 및 주관적 관찰에 비해 객관적이고 재현 가능한 지표를 제공한다는 점에서 의미가 크다.

한계점으로는 반사 현미경이 표면 반사 특성에 민감해 조직 절편의 두께 편차나 표면 거칠기에 따라 신호 잡음이 변동할 수 있다는 점을 들었다. 또한, 현재는 5 µm 두께의 고정 파라핀 절편에만 적용했으며, 살아있는 조직이나 다른 장기·암종에 대한 일반화 검증이 부족하다. 향후 연구에서는 광학 단층 촬영(OCT)이나 라만 분광법과 결합해 3‑차원 프랙탈 분석을 수행하고, 대규모 임상 코호트에서의 검증을 통해 알고리즘의 신뢰성을 강화할 필요가 있다.