Acute myeloid leukemia (AML) is a highly aggressive disease with unfavorable prognosis and a low survival rate. The current treatment method for AML is mainly chemotherapy, and drug efficacy depends on the type of leukemia. In particular, acute promyelocytic leukemia (APL) shows an excellent remission rate when treated with all-trans retinoic acid. Therefore, early diagnosis and suitable drug selection are the most crucial factors for the treatment. At present, medical teams preferentially diagnose leukemia from blood and bone marrow examination results. In this process, it lacks quantitative data for accurate classification. Several analytical techniques sequentially proceed for the final diagnosis, which are time-consuming. To overcome the shortcomings of conventional diagnosis procedures, we developed a novel diagnostic model based on holo-tomography and deep learning. From four AML and two APL cell lines, a total of 2,650 holo-tomographic images were obtained as input data. We trained and validated the classification model by applying “FishNet,” a deep learning architecture comprised of convolutional neural networks. The accuracy of the model was 94.7% for 6-class classification and 98.1% for binary classification. We expect that our model promptly provides reliable information from artificial intelligence in the stage of initial decisions for diagnosing AML.
급성 골수성 백혈병 (Acute myeloid leukemia, AML) 은 매우 급진적인 발현 양상을 띠는 질병으로 치료 경과가 좋지 않으며 낮은 생존율을 가지고 있다. AML은 주로 화학요법을 통해 치료를 시작하며, 백혈병의 종류에 따른 약물의 효능 차이가 존재한다. 특히 급성 전골수성 백혈병 (Acute promyelocytic leukemia, APL) 은 All-trans retinoic acid (ATRA) 를 기반으로 한 치료법이 높은 완전 관해율을 보인다. 따라서 조기 진단 및 적절한 약물 선택은 AML의 치료에 있어 그 무엇보다도 중요한 요소이다. 현재 백혈병은 말초 혈액 및 골수 검사 결과를 바탕으로 한 의료진의 소견으로 일차적인 진단이 이루어진다. 하지만 이 과정에서 최종 진단을 위한 정량적인 데이터가 부족한 실정이다. 이에 정확한 분류를 위해 다양한 검사가 추가로 실행되고 있으나 결과를 확인하기까지 오랜 시간이 소요된다. 이러한 단점을 보완하기 위해, 본 연구에서는 홀로-토모그래피와 딥러닝 기술을 바탕으로 새로운 진단 모델을 개발하였다. 총 6개의 급성 골수성 및 전골수성 백혈병에 해당하는 세포주에 대해 2,650개의 홀로-토모그래픽 이미지를 획득하였다. 이를 합성곱 신경망을 기반으로 한 딥러닝 아키텍처“FishNet”에 적용하여 분류 모델을 훈련하고 검증하였다. 진단 모델의 정확도는 세포주 단위로 분류했을 때 94.7%, 백혈병 종류별로 분류했을 때 98.1%가 도출되었다. 또한 이 결과는 다른 딥러닝 아키텍처인“DenseNet”을 적용한 모델보다 더 높은 것을 확인하였다. 새로운 모델을 통해 임상학적인 견해에 크게 의존했던 초기 진단 판정에, 인공지능을 바탕으로 한 신뢰성 있는 정보를 신속하게 제공할 수 있을 것으로 기대된다.
