AI 워크플로, 궤양성 대장염의 대장암 위험 99% 정확도로 예측

대규모 언어 모델을 활용하는 새로운 AI 워크플로가 어떤 궤양성 대장염 환자가 최소 2년 동안 대장암이 발생하지 않을지를 99% 정확도로 예측할 수 있는 것으로 나타났다. 2026년 2월 17일 발표된 연구는 궤양성 대장염 환자의 대장암 위험을 99% 정확도로 예측할 수 있는 새로운 AI 워크플로를 검증했다.

이 염증성 장질환 환자는 일반 인구보다 대장암이 발생할 가능성이 최대 4배 높아, 저등급 이형성증의 정밀한 위험 계층화가 중요한 임상적 필요로 꼽힌다. 이번 주요 연구는 이 분야 최대 규모 데이터셋인 Veterans Affairs 보건 시스템의 환자 기록 55,000건 이상을 대규모 언어 모델로 분석했다.

이 자동화된 워크플로는 서술형 임상 기록, 대장내시경 보고서, 병리 소견을 효과적으로 선별해 병변 크기와 염증 중증도 같은 미묘한 위험 인자를 찾아낸다. 또한 서술형 임상 기록에서 흔히 간과되는 고위험 특징을 식별해, 보다 개인맞춤형이면서 덜 침습적인 감시 일정을 가능하게 할 잠재력이 있다.

환자를 위험도에 따라 정확히 분류함으로써, 이 AI는 코호트의 약 절반을 저위험군으로 식별했고 이들이 감시 간격을 잠재적으로 안전하게 연장할 수 있음을 시사했다. 반대로 이 모델은 임상의들이 일반적으로 추정하는 것보다 육안으로 보이는 병변을 더 높은 위험으로 분류해, 이러한 사례에서 더 시의적절한 추적 관찰이나 예방적 수술의 필요성을 제기했다.

이 기술을 소화기내과 진료에 통합하면 현재 병리의사들 사이의 높은 관찰자 간 변동성에 영향을 받는 이형성증 관리의 표준화를 도울 수 있다. 또한 이 도구의 자동화된 특성은 전자의무기록 내에서 한 번의 클릭으로 위험 점수를 제공함으로써 의사의 시간을 상당히 절약해준다.

다만 질 높은 디지털 임상 기록에 대한 의존성 때문에, 기록 구조화 수준이 낮거나 보고 양식이 제각각인 보건 시스템에서는 도구의 효과가 제한될 수 있다. 더 넓은 인구집단 전반에서 이러한 높은 정확도가 유지되는지 확인하려면 비재향군인 집단과 지역사회 환경에서의 추가적인 전향적 검증이 여전히 필요하다. 현재 연구팀은 장기 모니터링을 개선하기 위해 다른 염증성 질환에도 이 모델을 적용하는 방안을 모색하고 있다.