가장 대중적인 불임 해결책 중 하나인 체외수정 시술(시험관 아기 시술)은 최대 만 5천 달러의 비용이 들지만 성공확률은 50%도 되지 않습니다.
하지만 코넬 대학교 연구진이 개발한 AI 기기는 시술의 성공 가능성을 획기적으로 높여주죠.
1978년에 처음 소개된 체외수정 시술은 난자를 정자로 수정해 환자의 자궁으로 이식할 수 있는 여러 개의 배아를 만들어 내는 과정입니다. 병원에서는 성공적인 임신을 위해 이식할 최고의 배아를 고르기 위해 세포의 발달과정을 관찰합니다.
미국 질병통제예방센터(Centers for Disease Control and Prevention, CDC)에 따르면 이식된 배반포(5일 정도 성장한 배아) 중 환자의 자궁에 성공적으로 안착하는 것은 여전히 절반 이하라고 합니다. 40세 이상 환자의 경우 이 수치는 15% 이하로 대폭 떨어지죠.
코넬 연구진은 만 개가 넘는 배아의 저속 촬영 이미지 데이터 세트를 훈련하고 실험했는데요. 그 결과, 콘볼루션 뉴럴 네트워크(Convolutional Neural Network, CNN)를 사용해 배아의 성장을 분석하고 어떤 후보가 성공적으로 이식될 수 있는지를 평가하는 AI 모델인 STORK를 만들 수 있었습니다.
통상적으로 병원에서는 임신 가능성을 높이기 위해 여러 개의 배아를 한번에 이식하는 경우가 많습니다. 다만, 이런 방법은 위험을 감수해야하죠.
웨일 코넬 의과 대학(Weill Cornell Medicine)의 컴퓨터 유전학 부교수 이만 하지라술리하(Iman Hajirasouliha)는 “이런 시술법으로 쌍둥이, 세 쌍둥이, 그리고 또 다른 다둥이들을 얻을 수 있죠”라고 말하며 “만약 알고리즘을 기반으로 이식 성공률을 예측할 수 있다면 이식 횟수를 제한할 수 있습니다”라고 설명했습니다.
최고의 배아를 얻기 위한 도전
매년 250만 회 이상의 주기로 수행되는 체외수정 시술을 통해 약 50만 명의 출산이 이뤄집니다. 각 주기마다 성공적인 임신을 할 가능성이 가장 높은 배아를 선택하는 일은 배아학자들의 손에 달려 있습니다.
배아학자들은 저속 촬영 이미지를 바탕으로 성장 중인 배아들을 수동으로 평가합니다. 이는 많은 시간이 소요되는 주관적인 평가 방식이죠. 보편적인 평가 시스템이 없기 때문에 배아학자들 사이에서는 어떤 배아 후보가 가장 우수한지에 대한 의견이 분분할 수밖에 없습니다.
STORK를 개발하는 연구진은 5 명의 배아 학자 패널들이 배아의 품질에 대해 만장일치로 동의할 경우가 겨우 25% 미만이라는 것을 발견했죠.
반면에, 95%가 넘는 배아학자 패널의 과반수가 STORK의 예측에 동의했는데요. 이는 STORK가 개별 배아학자들보다 더 정확한 결과를 낼 수 있으며, 배아 평가 과정에 좀 더 일관성을 가져올 수 있다는 것을 의미합니다.
이미지 데이터 분석도 AI를 통해 더 빠르게 할 수 있죠. 일년에 약 4천 명의 사람들을 치료하는 한 클리닉에서는 세 명의 배아학자들이 각 환자에 대한 배아 후보들을 수동으로 평가합니다. 한편, STORK는 2천 명의 환자에 대한 배아 후보 평가를 단 4분 만에 끝낼 수 있죠.
코넬 연구진은 텐서플로우 프레임워크와 4개의 NVIDIA GPU로 딥 러닝 모델을 개발해 CPU 대비 최대 4배 속도로 훈련 과정을 가속화했습니다.
지금까지 연구진은 뉴욕, 스페인, 그리고 영국의 병원으로부터 수집한 배아 이미지로 STORK를 실험했습니다. 연구진은 배아의 시계열 이미지를 수집하는 체외 수정 시설에서 STORK가 사용되길 바라고 있답니다.
한편 좋은 품질의 배아는 체외 수정 시술의 성공률에 기여하는 한 가지 임상 요소에 불과합니다. 환자의 연령 역시 이식 확률과 건강한 임신 가능성에 영향을 미치는 핵심 변수이죠.
연구진은 성공적인 임신과 출산 비율을 보다 정확하게 평가하기 위해 환자의 연령 데이터와 STORK의 배아 품질 분석을 통합한 의사결정 트리 모델을 개발했답니다.