페노타입 인식 기반 다중인스턴스 학습 PA‑MIL: 언어 프롬프트와 유전체‑표현형 연계

초록

PA‑MIL은 병리학 슬라이드 이미지에서 암 관련 페노타입을 자동으로 탐지하고, 이 페노타입의 중요도를 기반으로 암 아형을 예측하는 사전해석 가능한 MIL 프레임워크이다. 텍스트 프롬프트와 전사체 데이터로 구성된 페노타입 지식베이스, 그리고 유전체‑표현형 관계를 학습하는 GP‑NN을 활용해 페노타입 특화 특징을 추출하고, 선형 분류기로 높은 정확도와 향상된 해석성을 동시에 달성한다.

상세 분석

PA‑MIL은 기존 MIL 모델이 “어디가 중요한가”만을 사후적으로 시각화하는 한계를 넘어, 암 조직학적 페노타입 자체를 모델 내부 개념으로 명시한다는 점에서 혁신적이다. 먼저 연구팀은 GPT‑4와 병리전문의의 협업을 통해 암 종류별로 의미 있는 페노타입 N개를 정의하고, 각 페노타입에 대한 형태학적 서술과 연관 유전자 집합을 구축하였다. 이 지식베이스는 두 가지 역할을 수행한다. 첫째, 텍스트 인코더(고정된 CLIP‑계열)로부터 얻은 언어 임베딩을 이미지 패치 특징과 교차‑어텐션 메커니즘에 입력해, “페노타입‑관련 패치”를 자동으로 집계한다. 여기서 학습 가능한 Q, K, V 선형 변환을 도입함으로써, 사전학습된 비전‑언어 모델이 병리학적 세부 구조를 인식하도록 미세조정한다. 둘째, 전사체(RNA‑Seq) 데이터를 이용해 유전체‑표현형 관계를 모델링하는 GP‑NN을 설계하였다. 각 페노타입에 대응하는 유전자 집합을 별도의 MLP에 입력해 페노타입 수준의 표현(z)와 해당 페노타입의 임상적 중요도(샐리언시) 를 예측한다. GP‑NN은 PA‑MIL과 구조가 유사해, 특징 레벨과 샐리언시 레벨에서 다중 계층 지도 신호를 제공한다. 이때 클러스터 중심 V 를 모멘텀 업데이트로 유지하고, 대조학습(contrastive loss)으로 동일 페노타입 간 특징을 서로 가깝게, 다른 페노타입 간은 멀게 만든다. 이러한 설계는 “페노타입 독립성”을 보장하면서도, 전체 코호트 내에서 일관된 표현을 학습하게 만든다. 최종 단계에서는 페노타입 샐리언시 벡터 S 를 레이어 정규화와 선형 변환을 거쳐, 선형 분류기(f_a)로 암 아형을 예측한다. 선형 모델을 사용함으로써, 각 페노타입이 최종 진단에 기여하는 가중치를 직접 해석 가능하게 만든다. 실험에서는 TCGA 폐암, 위암, 유방암 등 다중 데이터셋에서 기존 MIL(ABMIL, DSMIL 등) 대비 동등하거나 약간 우수한 AUC를 기록했으며, 특히 페노타입 샐리언시 맵을 통해 병리학자가 사용하는 “선암성, 각질화, 유두형” 등 전형적인 병리 소견과 높은 상관성을 보였다. 또한, GP‑NN이 제공하는 유전자‑페노타입 매핑을 통해, KRAS 변이와 ‘acinar’ 형태, EGFR 변이와 ‘keratinization’ 사이의 연관성을 정량적으로 확인할 수 있었다. 전체적으로 PA‑MIL은 (1) 사전 지식 기반 언어 프롬프트를 통한 의미 있는 패치 선택, (2) 전사체 기반 다중 계층 지도 학습, (3) 선형 컨셉‑보틀넥을 통한 직접적인 해석 가능성이라는 세 축을 결합해, 기존 블랙박스 MIL 모델의 해석성을 크게 향상시켰다. 다만, 페노타입 정의가 전문가와 LLM에 의존하므로 도메인 전이 시 재구축이 필요하고, 대규모 전사체-이미지 매핑이 가능한 데이터셋이 제한적이라는 점은 향후 과제로 남는다.