AI와 분자표지 통합이 다시 그리는 유방암 진단·맞춤치료의 경로
배경
유방암은 같은 장기에서 발생해도 분자적 성격과 치료 반응이 크게 다른 이질적 질환이다. 에스트로겐 수용체(ER), 프로게스테론 수용체(PR), 인간표피성장인자수용체 2(HER2)는 내분비요법과 HER2 표적치료를 결정하는 핵심 지표로 자리 잡았다. BRCA1·BRCA2 변이는 유전성 위험 평가뿐 아니라 폴리(ADP-리보스) 중합효소(PARP) 억제제 사용에도 관여한다.
그러나 기존 분류만으로 종양의 진화와 약물 내성을 모두 설명하기는 어렵다. 동일한 HR 양성 또는 HER2 양성 유방암 안에서도 치료 효과와 재발 양상이 엇갈리며, 조직 일부를 채취한 검사에는 종양 내 이질성을 놓칠 가능성이 남는다. 영상 판독 역시 유방 밀도, 장비, 판독자 경험에 따라 결과가 달라질 수 있다. 연구진은 이런 간극을 좁히기 위해 분자생물학, 인공지능(AI), 정밀의료의 최근 진전을 한데 정리했다. 이 논문은 신규 환자군을 시험한 임상연구가 아니라, 유방암의 표지자·진단·치료 기술을 폭넓게 다룬 서술형 리뷰다.
핵심 발견
리뷰는 유방암 의사결정 체계를 ‘확립된 표지자와 새 표지자의 결합’으로 설명한다. ER·PR·HER2와 BRCA 변이가 현재의 치료 선택을 이끄는 가운데, 종양억제유전자 TP53, PTEN, STK11의 변화는 종양 행동과 내성 경로를 더 세밀하게 해석할 후보로 제시됐다. 다만 이 세 유전자가 유방암 전반에서 곧바로 독립적인 처방 기준이 된다는 뜻은 아니다. 암 아형별 예후 가치와 치료 예측력을 전향적으로 검증해야 한다.
진단 영역에서는 기계학습과 딥러닝이 유방촬영술을 비롯한 의료영상에서 미세 병변을 찾고, 임상정보·영상·유전체를 함께 분석하는 다중모달 체계로 확장되고 있다. 단일 영상이나 단일 표지자에 의존하던 접근과 달리 서로 다른 데이터 층의 연관성을 계산해 조기 발견, 진단 보조, 위험도 분류를 지원하는 방식이다. 초록에는 정확도나 민감도 같은 성능 수치, 학습 데이터 규모, 특정 AI 모델명이 제시되지 않았다. 따라서 진단 성능의 향상은 리뷰가 종합한 방향성으로 읽어야 하며, 특정 알고리즘의 임상적 우월성을 입증한 결과로 확대해석할 수 없다.
치료 지형도 넓어졌다. 수술과 세포독성 항암화학요법에 더해 내분비요법, 면역요법, 표적치료, 항체약물접합체(ADC), 유전자 기반 전략이 병행된다. 진행성 유방암에서는 사이클린 의존성 키나아제 4/6(CDK4/6) 억제제, PARP 억제제, 포스파티딜이노시톨 3-키나아제(PI3K) 억제제, 선택적 에스트로겐 수용체 분해제(SERD)가 주요 정밀치료군으로 정리됐다. 각 약물은 모든 환자에게 적용되는 범용 치료제가 아니라 호르몬 수용체 상태, 유전자 변이, 선행치료와 내성 양상에 맞춰 선택된다.
의미와 전망
이 리뷰가 제시하는 핵심 방향은 AI가 의사를 대체하는 자동 판정기가 아니라, 여러 검사 결과를 연결하는 의사결정 보조층이 된다는 데 있다. 영상에서 의심 병변을 표시하고 병리 및 유전체 정보와 결합하면 환자 선별과 치료 순서 결정의 일관성을 높일 여지가 생긴다. 나노기술 기반 약물전달은 종양 부위의 약물 노출을 높이고 정상조직 독성을 줄이는 전략으로, 크리스퍼/캐스9(CRISPR/Cas9)은 내성 유전자 규명과 치료표적 검증 수단으로 기대된다.
임상 도입까지는 해결할 문제가 적지 않다. AI는 병원·인종·장비가 달라져도 성능이 유지되는지 외부 검증을 받아야 하며, 학습자료의 편향과 판단 근거의 불투명성도 관리 대상이다. CRISPR/Cas9 치료는 표적 외 편집, 종양세포 전달 효율, 장기 안전성이라는 장벽을 안고 있다. 나노전달체 역시 체내 분포와 제조 재현성, 대량생산 기준을 충족해야 한다. 리뷰에 직접 비교시험이나 생존 개선 수치가 없는 만큼, 제시된 기술들을 이미 확립된 임상 표준과 개발 단계의 후보로 구분하는 태도가 요구된다.
Breast cancer is a complex and heterogeneous disease that remains a major global health challenge. Recent progress in molecular biology, artificial intelligence (AI), and precision medicine has transformed its diagnosis and treatment. Conventional biomarkers such as ER, PR, HER2, and BRCA mutations continue to guide therapeutic decisions, while emerging biomarkers including TP53, PTEN, and STK11 offer new insights into tumor behavior and drug resistance. AI-based technologies, including machine learning and deep learning, have improved early detection and diagnostic accuracy through advanced medical imaging and multimodal analysis. Current treatment strategies extend beyond conventional chemotherapy and surgery to include targeted therapy, endocrine therapy, immunotherapy, antibody-drug conjugates, and gene-based approaches. Novel therapeutics such as CDK4/6 inhibitors, PARP inhibitors, PI3K inhibitors, and selective estrogen receptor degraders have demonstrated promising clinical outcomes in advanced breast cancer. Additionally, emerging technologies such as CRISPR/Cas9 gene editing and nanotechnology-based drug delivery systems show significant potential for personalized cancer therapy. This review summarizes recent advancements in breast cancer biomarkers, AI-assisted diagnostics, and modern therapeutic strategies aimed at improving precision medicine and patient outcomes.
진료 현장에서는 유방촬영술 AI가 판독 우선순위를 정하고, 병리검사에서 확인한 ER·PR·HER2와 유전체검사의 BRCA·PIK3CA 등 치료 관련 변이를 통합해 다학제 회의에 제시하는 형태가 현실적인 적용 시나리오다. 의료진은 이를 바탕으로 HR 양성 진행성 환자의 CDK4/6 억제제 또는 SERD 사용, BRCA 변이 환자의 PARP 억제제 적용 가능성을 검토할 수 있다.
산업계에는 영상·병리·유전체 자료를 표준화한 다중모달 플랫폼과 표지자 연계 동반진단 개발 기회가 열린다. 다만 TP53·PTEN·STK11 기반 환자 선별, CRISPR 치료, 나노전달체는 임상 유효성과 제조 품질을 먼저 입증해야 한다. 실제 도입 여부는 단순 정확도가 아니라 생존, 불필요한 검사 감소, 독성, 비용효과까지 평가하는 전향적 연구에서 결정될 전망이다.