진료 현장의 구조적 병목과 AI 스타트업의 진입
미국 내 유방암 검진 체계는 인력 부족과 검사 지연이라는 구조적 문제에 직면해 있다. 엔비디아의 공식 발표에 따르면 미국에서는 매년 약 4,000만 건의 유방촬영술이 시행되지만, 향후 10년간 수만 명 규모의 영상의학과 전문의 부족이 예상되고 있다. 여기에 40세 이상 여성 중 연례 권고 검진을 건너뛰는 비율이 절반 이상에 달해 조기 발견에 어려움을 겪고 있다.
진단 이후 단계에서도 검사 지연은 반복된다. 환자 맞춤형 치료 방침을 결정하기 위해 외부 전문 검사실로 유전자 분석을 의뢰할 경우 통상 2~4주의 대기 시간이 소요된다. 이러한 지연과 진료 공백을 메우기 위해 엔비디아 인셉션(NVIDIA Inception) 프로그램에 속한 스타트업들이 하드웨어 가속 인프라를 바탕으로 영상 획득, 위험도 평가, 치료 반응 예측에 이르는 단계별 솔루션을 개발해 임상 현장에 적용하고 있다.
영상 획득 자동화와 판독 보조 기술의 규제 현황
iSono Health는 착용형 자동 3D 정량 유방 초음파 시스템인 'ATUSA'를 개발했다. 이 장비는 유방 한쪽당 약 2분 만에 스캔을 완료하도록 설계되어, 시술자에 따라 최대 45분까지 걸리던 기존 수동 핸드헬드 초음파의 작업 시간을 단축했다. ATUSA는 150만 프레임 이상의 초음파 데이터셋과 엔비디아 GPU 기반 가속을 활용하며, 2022년 4월 미국 FDA로부터 510(k) 허가(K213620)를 획득했다. 현재 캘리포니아, 텍사스, 조지아 등 파트너 클리닉에 상용 공급되고 있으며 UC 데이비스와 밴더빌트 대학교 메디컬 센터 등에서 3,200명 규모의 다기관 임상 연구가 진행 중이다.
스크리닝 판독 분야에서는 Whiterabbit.ai가 개발한 'WRDensity'가 2020년 10월 FDA 510(k) 허가(K202013)를 받고 수십만 명의 환자 진료 데이터에 적용되었다. 이 시스템은 유방촬영술 영상에서 치밀 유방 여부를 자동으로 판정하며, 장기 발병 위험을 계산하는 WRRisk 소프트웨어와 함께 임상 의사결정을 보조한다. 모델 학습은 세인트루이스 워싱턴 대학교의 GPU 클러스터 및 클라우드 환경에서 이뤄지며, 실제 추론은 병원에 배치된 GPU를 통해 실행된다.
디지털 병리를 통한 치료 반응성 예측
진단 후 치료 계획 수립 영역에서는 Ataraxis AI가 디지털 병리 슬라이드를 분석하는 기술을 상용화하고 있다. 'Ataraxis Breast'는 표준 진료 과정에서 생성되는 디지털 병리 이미지 패턴을 분석해 수술 전 선행화학요법의 반응성과 수술 후 5년 내 재발 위험도를 예측한다. 회사 측은 파이토치와 엔비디아 CUDA 기반의 GPU 인프라를 통해 알고리즘을 구동하고 있다.
Ataraxis AI는 2026년 8월 미국병리학회(CAP) 인증 및 캘리포니아주 임상검사실 면허를 취득하여, 미국 내에서 검사실 자체 개발 검사(LDT) 형태로 의사 처방에 따른 서비스를 제공하고 있다. 학술 대회 발표 자료에 따르면 4,659명 코호트로 학습하고 3,502명 코호트로 외부 검증을 거쳐 질병 무진행 기간(DFI) 예측 지표에서 C-index 0.71을 기록하는 등 임상적 유효성을 뒷받침하는 데이터를 축적하고 있다.
임상적 허가 범위와 마케팅 주장의 경계
스타트업들이 발표한 성능 수치와 실제 규제 허가 범위 사이에는 명확한 구분이 필요하다. iSono Health는 자사 기기가 기존 2D 수동 초음파 대비 민감도가 28% 높다고 주장하지만, 이는 사측의 자체 테스트 결과일 뿐 대조군 설정이나 특이도 변화가 독립적으로 검증된 공인 학술 데이터는 아니다. 또한 FDA로부터 받은 510(k) 허가는 장비 하드웨어를 통한 3D 영상 획득 및 보조 진단에 국한되며, 병변 자동 탐지 및 3D 분할 등 고급 AI 기능은 회사 공식 문서에서도 여전히 연구용(Investigational use only)으로 명시되어 있다.
Whiterabbit.ai의 경우에도 공인 허가를 받은 기능은 유방 밀도 측정(WRDensity)에 한정된다. 회사가 지향점으로 밝힌 '음성 판정 환자의 자동 스크리닝을 통한 전문의 개입 최소화'는 차세대 연구 과제일 뿐 현재 진료 현장에서 즉시 적용 가능한 검증된 기능이 아니다. 기술의 실질적인 유용성을 평가하기 위해서는 홍보성 청사진과 이미 인허가를 취득한 기능 단위를 엄격히 분리해 살펴볼 필요가 있다.
표준 가이드라인 진입과 실무 도입의 조건
이러한 진단·예측 AI 도구들이 의료기관의 정규 워크플로우에 완전히 안착하려면 진료 지침 편입과 수가 체계 마련이라는 과제를 해결해야 한다. Ataraxis AI가 수 주가 소요되는 유전자 검사를 단시간의 병리 슬라이드 분석으로 대체할 가능성을 제시하고 있으나, NCCN(미국국립종합암네트워크) 등 주요 표준 치료 가이드라인에서 권고되는 다유전자 분석(예: Oncotype DX)을 대체하기에는 여전히 전향적 무작위 임상 근거가 부족하다.
또한 세 스타트업 모두 환자 부담 비용, 미국 공보험(메디케어 등) 정식 CPT 청구 코드 적용 범위와 같은 세부 경제성 지표를 명확히 공개하지 않았다. 의료진과 병원 운영진은 기술적 편의성 외에도 병원 온프레미스 인프라 구축 비용, 법적 책임 소재, 보험 수가 적용 여부를 면밀히 확인한 뒤 단계적으로 도입 계획을 수립해야 한다.
출처
NVIDIA Blog의 원출처와 본문에 표시한 참고자료를 바탕으로 한국어로 재구성했습니다. ‘ARCH.B 분석’은 자료를 읽고 덧붙인 편집 해석입니다.
From Scan to Treatment Plan, AI Helps Close Breast Cancer’s Deadliest Gaps (새 창)
