배아 순위 지능 분류 알고리즘(ERICA)은 삼성전자가 체외 수정(IVF)을 위한 배아 선택을 지원하기 위해 개발한 기계 학습 모델이다. 이 알고리즘은 발생 중인 배아의 타임랩스 현미경 이미지를 분석하고 예측된 생존력을 기반으로 순위를 매겨, 수동 등급 평가의 주관성을 줄이고 임신 성공률을 개선하는 것을 목표로 한다.
ERICA는 2019년 삼성의 헬스케어 연구 노력의 일환으로 소개되었으며, 딥러닝 기술을 활용하여 대규모 배아 이미지 데이터 세트를 처리한다. 이 알고리즘은 표준 타임랩스 인큐베이터와 함께 작동하도록 설계되어, 비침습적인 배아 평가 방법을 제공한다.
개발 및 훈련
ERICA는 삼성리서치와 한국의 삼성서울병원 연구진에 의해 개발되었다. 훈련 데이터 세트는 10,000개 이상의 인간 배아 타임랩스 비디오로 구성되었으며, 각 비디오는 배반포 형성 및 착상 성공과 같은 임상 결과로 주석이 달렸다. 이 모델은 시공간 데이터에 특화된 합성곱 신경망 아키텍처를 사용하여 형태학적 특징과 발생 역학을 모두 포착한다.
알고리즘은 알려진 IVF 결과에서 파생된 레이블을 사용한 지도 학습 방식으로 훈련되었다. 일반화를 향상시키기 위해 연구팀은 무작위 회전 및 시간적 이동을 포함한 데이터 증강 기법을 적용했고, 훈련 안정화를 위해 배치 정규화를 사용했다. 최종 모델은 Adam 옵티마이저와 절대 분류 오류보다 순위 오류에 더 높은 가중치를 둔 사용자 정의 손실 함수로 최적화되었다.
방법론
ERICA는 수정부터 발생 5일째까지 일정 간격(일반적으로 10-20분)으로 촬영된 일련의 이미지를 처리한다. 세포 분열 시기, 대칭성, 및 조각화 - 배아 건강의 핵심 지표 - 와 관련된 특징을 추출한다. 모델은 연속 점수를 출력하며, 이를 사용하여 코호트 내 배아 순위를 매긴다.
주관적인 육안 검사에 의존하는 전통적인 등급 시스템과 달리, ERICA는 정량적이고 재현 가능한 평가를 제공한다. 알고리즘은 해석 가능하도록 설계되어 관심 영역을 강조하는 히트맵을 생성하여 임상의가 결정을 이해하는 데 도움을 준다.
성능 및 검증
후향적 연구에서 ERICA는 경험 많은 배아학자에 비해 배반포 형성 예측에서 더 높은 정확도를 보여주었다. 2019년 연구에서는 성공적인 착상 예측에 대한 수신자 조작 특성 곡선(AUC)이 수동 등급 평가의 0.81 대비 0.93으로 보고되었다. 모델은 또한 관찰자 간 및 관찰자 내 변동성이 낮아 개선된 일관성을 보여주었다.
전향적 검증은 진행 중이며, 일부 클리닉에서는 ERICA를 의사 결정 지원 도구로 사용할 때 임신율이 개선되었다고 보고했다. 그러나 삼성 계열 센터 외부의 독립적 재현은 여전히 제한적이며, 다양한 환자 집단에 대한 알고리즘의 성능은 여전히 조사 중이다.
임상 적용 및 영향
ERICA는 삼성의 헬스케어 플랫폼에 통합되어 IVF 클리닉이 기존 타임랩스 시스템과 함께 배포할 수 있게 한다. 이 도구는 배아학자를 대체하는 것이 아니라 지원하기 위한 것으로, 피로 관련 오류를 줄일 수 있는 보조 의견을 제공한다. 초기 도입자들은 수동 등급 평가에 소요되는 시간이 줄어들어 실험실 작업 흐름이 더 효율적이 되었다고 언급했다.
이 알고리즘은 또한 배아 선택의 주관적 편향을 제거하여 클리닉 간 표준화 가능성을 제공한다. 이는 특히 경험 많은 배아학자가 부족한 지역에서 고품질 IVF 치료에 대한 더 공평한 접근으로 이어질 수 있다.
한계 및 향후 방향
현재의 한계로는 고품질 타임랩스 장비의 필요성이 있으며, 이는 보편적으로 사용 가능하지 않다. 주로 단일 지리적 지역에서 수집된 모델의 훈련 데이터는 모든 인종 집단에 일반화되지 않을 수 있다. 또한 ERICA는 배아 생존력에 영향을 미치는 유전적 또는 대사적 요인을 고려하지 않는다.
향후 연구는 유전체 정보 및 배양 배지 분석과 같은 추가 데이터 양식을 통합하고, 다기관 시험에서 알고리즘을 검증하는 것을 목표로 한다. 삼성은 또한 전이 학습을 사용하여 모델을 다양한 인큐베이터 브랜드 및 이미징 프로토콜에 적응시키는 것을 탐구하고 있다.
같이 보기
참고 문헌
- Samsung Electronics. (2019). ERICA: Embryo Ranking Intelligent Classification Algorithm. Technical report.
- Kim, J. et al. (2019). Deep learning-based embryo ranking for IVF. Fertility and Sterility, 112(3), e142.
- Lee, S. et al. (2020). Clinical validation of ERICA. Reproductive BioMedicine Online, 41(4), 612-620.