NYU-DRP AI 모델, 3D 유방촬영술을 통해 5년간 유방암 위험 예측

NYU Langone Health 발표한 바에 따르면 2026년 9월 10일, NYU Langone Health와 그 부속 Perlmutter Cancer Center의 연구원들은 NYU-DRP라는 딥러닝 도구를 개발했으며, 이는 여러 해에 걸쳐 촬영된 3D 유방촬영술을 분석해 여성의 5년간 유방암 발생 위험을 추정한다.

종단적 3D 유방촬영술을 기반으로 한 딥러닝 모델

이 도구는 종단 디지털 유방 토모신테시스(또는 종단 DBT)를 분석한다. 이는 여성들이 매년 반복 검진을 통해 축적하는 3D 유방촬영 기록이다. ‘종단 디지털 유방 토모신테시스로부터 5년간 유방암 위험 예측: 단일 기관 후향적 연구’라는 제목의 검증 연구는 American Journal of Roentgenology에 2026년 8월 12일 온라인으로 발표되었으며, 2026년 8월 3일에 수락되었고 DOI 10.2214/AJR.26.34951을 가진다.

논문은 목표가 종단 DBT 검사를 이용해 장기 유방암 위험을 예측하는 딥러닝 모델을 개발하고 평가하는 것이라고 명시한다. 저자들은 영상 기반 유방암 위험 예측 모델이 주로 전장 디지털 유방촬영(FFDM)을 사용해 왔으며, DBT가 미국에서 주요 스크리닝 방법으로 자리잡았음에도 불구하고 장기 위험 예측에 대한 잠재력은 아직 충분히 탐구되지 않았다고 지적한다.

“우리 연구는 NYU-DRP와 같은 AI 모델이 기존 3D 유방촬영을 기반으로 여성의 미래 유방암 위험을 신뢰성 있게 판단할 수 있음을 보여준다. 이러한 촬영은 시간에 걸친 여러 검진에서 유방 조직이 어떻게 변했는지에 대한 정보를 담고 있다.”라고 NYU Grossman School of Medicine 및 Perlmutter Cancer Center 방사선학과의 박사후 연구원인 Yanqi Xu 박사가 말했다.

후향적 코호트 및 보고된 결과

출판된 연구에 따르면, 후향적 분석은 2016년 1월부터 2020년 8월까지 단일 의료기관에서 촬영된 평균 연령 58.5세인 161,077명의 여성으로부터 313,335건의 DBT 검사를 포함한다. NYU Langone 발표에서는 NYU-DRP가 2016년부터 2020년 사이에 NYU Langone 병원에서 검사를 받은 유방암이 없는 161,165명의 여성으로부터 연간 313,531건의 3D 유방촬영을 기반으로 만들어졌다고 설명한다.

DRP 모델은 종단 DBT 검사, 환자 연령, 유방 밀도를 토대로 2년에서 5년 사이의 유방암 위험을 추정한다. 연구진은 이를 단일 시점 DBT 모델, 동일일 FFDM을 이용한 Mirai 모델, 그리고 Tyrer‑Cuzick 임상 위험 모델과 비교했으며, 성능 평가는 AUC, 시간 의존 일치 지수, 통합 Brier 점수 지표를 사용했다.

독립 테스트 세트인 34,570건의 검사에서, 논문은 종단 DRP 모델이 5년 AUC 0.721(95% CI, 0.698–0.744)을 달성했으며, 이는 단일 시점 모델 0.707(95% CI, 0.683–0.730)과 Mirai 모델 0.687(95% CI, 0.663–0.710)보다 향상된 수치이며, 모두 p <.001 수준이다. 발표에서는 이러한 결과를 각각 72%, 70%, 68%의 비율로 고위험 여성들을 정확히 순위 매겼다고 설명한다.

432명의 여성으로 구성된 매칭된 사례-대조군에서, 논문은 DRP 모델이 5년 AUC 0.676(95% CI, 0.626–0.726)을 보였으며, Tyrer‑Cuzick 모델은 0.563(95% CI, 0.509–0.619; p <.001)이었다는 것을 보고한다. 발표에서는 이를 각각 67% 대 56%로 제시한다. 보도 자료에 따르면 Tyrer‑Cuzick은 AI나 유방촬영을 사용하지 않고, 연령, 유전적 변이, 조직 검사 결과에 기반한 유방 밀도 등 개인 및 가족 의료 정보를 활용한다. 이 비교는 432명의 여성을 대상으로 수행되었으며, 절반은 연령·배경이 유사한 여성들과 매칭되어 5년 결과가 달랐다고 한다.

연구는 또한 유방 밀도만으로는 예측 위험과 일치하지 않는다고 보고한다. 매우 조밀한 유방을 가진 여성들의 검사 중 모델은 1,877명 중 746명을 평균 위험으로 분류했으며, 실제 5년 암 발생률은 0.8%(6명)이었다. 지방이 많은 유방을 가진 여성들의 검사에서는 2,605명 중 386명을 고위험으로 분류했으며, 실제 발생률은 2.6%(10명)였다. 발표에서는 조밀한 유방 조직이 암 위험을 높이는 것으로 알려졌으며, 각각 37.6%와 0.7%, 그리고 15.5%와 2.5%로 보고한다.

NYU Grossman School of Medicine 및 Perlmutter Cancer Center 방사선학과의 조교수이자 연구 선임 조사관인 Yiqiu “Artie” Shen 박사는 이번 결과가 반복된 3D 유방촬영이 유방 밀도나 단일 촬영만으로는 포착되지 않는 여성의 미래 유방암 위험 정보를 담고 있음을 보여준다고 말했다. 연구진은 2025년에 종료된 연구 동안 검사받은 여성 중 3% 미만이 유방암을 발병했으며, 모든 검사는 매사추세츠주 말버러에 본사를 둔 Hologic Inc.에서 제조한 유방 영상 장비를 사용했다고 언급했다. 논문은 이 설계를 단일 기관 후향적 연구로 규정한다.

저자들은 종단 DBT 검사를 활용한 딥러닝 모델이 FFDM 기반 및 임상 위험 모델에 비해 장기 유방암 위험 예측을 개선했다고 결론짓고, 임상적 영향으로 스크리닝 이미지를 이용한 동적 위험 평가를 제공하고 향후 개인 맞춤형 스크리닝 전략을 지원할 가능성을 제시한다.

계획된 검증, 자금 지원 및 스크리닝 맥락

“다른 여성들을 대상으로 한 향후 실험이 성공한다면, NYU-DRP와 같은 AI 지원 3D 유방촬영이 의사가 여성의 실제 위험에 맞춰 스크리닝을 보다 정교하게 맞춤화하는 데 도움이 될 수 있다. 이는 추가 스크리닝이 필요한 여성들을 식별하고, 위험이 낮은 여성에게는 불필요한 보조 검사를 피하게 한다.”라고 NYU Grossman School of Medicine 및 Perlmutter Cancer Center 방사선학과의 부교수인 Laura Heacock 박사가 말했다.

Shen은 팀이 앞으로 종단 DBT 프로그램을 활용해 여성의 유방 건강을 선제적으로 추적하고, 도구가 건강에 미치는 영향과 유방암 발병자를 관찰할 계획이라고 말했다. 연구진은 또한 다른 학술 의료기관 및 다양한 3D 유방촬영기 제조사의 데이터와 도구를 공유하고 교차 검증할 예정이다.

연구 자금은 National Science Foundation(보조금 번호 1922658), National Institutes of Health(보조금 번호 R01EB036530), Milstein Pilot Project Fund, Shifrin‑Myers Breast Cancer Discovery Fund, 그리고 Manhasset Women’s Coalition Against Breast Cancer으로부터 지원받았다. Xu, Shen, Heacock 외에도 공동 연구자는 Jungkyu Park, Felicia Pasadyn, Qi Lei, Alana Lewin, Krzysztof Geras, Linda Moy, Freya Schnabel이며, 논문은 Shen을 교신 저자로 명시한다.

발표는 미국 스크리닝 통계와 비교한다: 미국 여성 8명 중 1명은 평생 동안 유방암 진단을 받을 것으로 추정되며, 2026년에는 약 382,640명의 여성이 진단될 것으로 예상된다. 유방암을 가장 초기 단계에서 발견하면 5년 상대 생존율은 99%를 초과한다. 현재 미국에는 400만 명이 넘는 유방암 생존자가 살고 있으며, 2025년에는 4,300만 건 이상의 유방촬영이 수행되었다. 전문가들은 현재 40세부터 연간 유방촬영 검진을 권고하고 있다.