일상 건강 데이터로 폐암·간암 위험 예측…AI 모델 개발

혈액 검사 등 일상적인 건강 데이터를 활용해 주요 암 발병 위험을 예측하는 인공지능(AI) 모델이 개발됐다.

26일(현지시간) 유럽종양학회(ESMO) 연례회의 2026에서 한 국제 연구팀은 혈액 검사, 병력, 생활 습관 등 정보를 이용해 여러 암의 고위험군을 식별할 수 있는 머신러닝 모델을 개발했다고 밝혔다.

연구팀은 영국 바이오뱅크 참가자 46만3620명의 약 18년간 데이터를 사용해 20개 주요 암에 대한 약 500개의 머신러닝 모델을 만들었다. 이 기간 참가자 중 5만7055명에게서 암이 발생했다. 모델은 병력, 생활 습관, 혈액 검사, 유전 및 대사체 데이터를 분석했다.

개발된 모델은 기존 통계적 접근 방식보다 뛰어난 성능을 보였다. 특히 폐암, 식도암, 간암 예측에서 좋은 결과를 보였으나, 난소암, 유방암, 자궁경부암 등에서는 예측 성능이 제한적이었다.

일상적인 임상 데이터로 예측 가능한 암들을 종합한 결과, 15년 후 발병 예측 정확도(AUROC)는 0.83을 기록했다. AUROC는 1.0에 가까울수록 완벽한 예측을 의미한다.

예측 정보의 대부분은 일상적인 혈액 검사와 임상 병력에서 나왔다. 유전 및 대사체 데이터는 예측 성능을 약간 개선하는 데 그쳤다.

연구를 이끈 파울-헨리 쿠프 독일 드레스덴 공과대학 박사는 "선별된 암에 대해 이 모델은 기존 의료 데이터를 활용한 저비용 사전 스크리닝 단계로 사용될 수 있다"고 말했다. 다만 그는 "고위험군 판정이 반드시 암 발병을 의미하는 것은 아니므로, 최소 침습 검사가 먼저 이뤄져야 한다"고 덧붙였다.

이번 연구에 참여하지 않은 프랑스 국립정보기술자동화연구소(Inria)의 마르코 로렌지 연구 책임자는 "제안된 프로토콜은 환자 우선순위 지정, 조기 발견 및 위험 평가에 유용한 도구가 될 수 있다"고 평가했다. 그러면서도 결과의 신뢰성과 일반화 가능성을 평가하기 위한 추가 검증이 필요하다고 강조했다.

연구팀은 이번 연구가 기존 데이터를 후향적으로 분석한 것이므로, 실제 조기 진단율이나 환자 예후를 개선하는지 확인하기 위한 전향적 연구가 필요하다고 설명했다.