현미경에서 픽셀로: 디지털 병리학의 새로운 시대

핵심 요점:

• • • • 디지털 병리학은 워크플로를 간소화하고 진단을 개선하기 위해 광학 현미경을 고해상도 디지털 슬라이드로 대체하며 아시아 태평양 지역에서 새로운 표준이 되고 있습니다.
      • 디지털화를 넘어서는 완전한 디지털 전환은 자동화, AI, 데이터 연결성을 통합하여 전체 진단 경로를 재구성함으로써 더 빠르고 정확한 결과를 얻을 수 있게 합니다.
      • AI 기반 이미지 분석은 검출, 정량, 분류 기능을 향상시켜 재현성을 높이고, 병리학자가 더욱 복잡한 증례에 집중할 수 있도록 지원합니다.
      • 개방적이고 상호 운용 가능한 생태계는 최상급 서드파티 AI 도구의 통합을 가능하게 하여 유연성, 혁신, 장기 적응성을 보장합니다.
      • 조기 도입은 암 진료 경로를 강화하여 더 빠른 발견, 더 빠른 처리 시간 및 원격지에서도 더 폭넓은 전문가의 접근을 가능하게 합니다.

아시아 태평양 지역 전역에서 병리 검사실은 엄청난 변화를 겪고 있습니다. 기존의 광학 현미경에서 디지털 병리학으로의 전환은 더 이상 새로운 추세가 아니며 빠르게 새로운 표준으로 자리 잡고 있습니다. 간단히 말해, 디지털 병리학은 전통적으로 현미경으로 관찰하던 유리 슬라이드를 병리학자가 컴퓨터에서 열람할 수 있는 고해상도 디지털 이미지로 변환하는 것을 의미합니다. 이러한 변화는 단순한 기술 도입이 아니라, 진단 워크플로를 재구성하고 오늘날 보건 의료 시스템이 직면한 가장 시급한 과제 중 일부를 해결하는 데 의의가 있습니다. 디지털 병리학은 단지 유리 슬라이드를 대체하는 현대적인 대안이 아닙니다. 진단 정보를 보고, 해석하고, 관리하는 방식의 근본적인 변화입니다. 이제 논점은 디지털 병리학이 주류가 될 것인지가 아니라, 언제 그리고 각 기관이 얼마나 효과적으로 이 전환을 달성할 수 있는지입니다.

병리 검사실의 진화: 디지털화에서 디지털 전환으로

광학 현미경에서 디지털 우선 모델로 전환하는 여정은 디지털화와 디지털 전환이라는 두 단계로 볼 수 있습니다. 디지털화는 보관 또는 공유를 목적으로 유리 현미경 슬라이드를 스캔하여 전체 슬라이드 이미지(Whole Slide Image, WSI)를 만드는 것에서 시작되었습니다. 이는 물리적 보관 공간 문제나 원격 자문 등의 여러 물류 관련 문제를 해결해 주었지만, 병리학 워크플로 자체를 근본적으로 변화시키지는 않았습니다 [1]. 디지털 전환은 이와 달리 그 범위가 훨씬 더 넓습니다. 디지털 전환은 검체 준비와 분석에서부터 협업, 보고, 다른 임상 시스템과의 통합에 이르기까지 디지털 이미지를 진단 경로의 모든 단계의 중심에 두도록 전체 진단 경로를 재고하고 재설계하는 과정을 포함합니다 [1]. 디지털 병리학의 이점은 상당합니다. 단순한 디지털화를 넘어 진단 워크플로와 환자 진료를 변화시키는 수준에 이릅니다.

• • • 경계 없는 협업: 원격, 동시 슬라이드 접근을 통해 실시간 자문, 신속한 이차 소견, 소외 지역 환자를 위한 더 빠른 전문가 개입이 가능합니다.
    • 비용 관리 및 자원 최적화: 슬라이드 운송, 택배, 대규모 보관 공간이 불필요하므로 비용을 절감하고, 폐기물을 줄이며, 대형 네트워크의 경우 연간 수십만 단위의 비용을 절약할 수 있습니다.
    • 워크플로 효율 및 처리 시간 개선: 수작업으로 인한 병목을 없애고 언제든지 접근 가능하게 함으로써 진단 시간을 최대 42%까지 단축하고, 시간당 검토 가능한 슬라이드 수를 15배 이상 늘릴 수 있습니다 [3].
    • 진단의 정밀도와 재현성: 통합 이미지 분석 도구를 통해 정확도, 등급 분류, 바이오마커 정량 작업이 개선되어 일관된 맞춤형 치료 결정에 필수적입니다.

종합적으로 디지털 병리학은 협업, 비용 효율성, 운영 효율성, 고급 분석 기능이 함께 작용하는 연결된 진단 생태계를 조성함으로써 환자와 보건 의료 시스템 모두의 결과를 향상하는 데 기여합니다. 그러나 이러한 매력적인 장점에도 불구하고 디지털 병리학의 광범위한 도입은 여전히 고르게 이루어지지 않고 있습니다. 많은 기관이 초기 투자, 인력 교육과 워크플로 재설계의 필요성, 엄격한 데이터 프라이버시 또는 데이터 지역화 요건과 관련된 여러 난관에 직면해 있습니다. 그러나 이러한 과제는 명확한 디지털 전략, 이해관계자의 강력한 참여, 단기적인 혼란보다 장기적인 임상적 및 운영적 가치를 중시하는 접근 방식을 통해 점차 해결되고 있습니다. 바로 이러한 맥락에서 디지털 병리학의 발전을 규정하는 핵심 시장 동인과 장애 요인을 이해해야 합니다.

변화를 이끄는 동력: 도전 과제와 기술 발전

1. 디지털 병리학 도입을 가속하는 도전 과제

여러 구조적, 임상적 압박으로 인해 검사실은 기존 워크플로를 재고하고 디지털 솔루션으로 전환할 필요에 직면하고 있습니다.

1. 1. 1. 진단 수요 증가 – 인구 고령화, 암 유병률 증가 [4], 조기 발견에 관한 관심 증가로 인해 진단 서비스에 전례 없는 부담이 가중되고 있습니다 [5].
      2. 외부 자문 및 특수 전문성에 대한 필요 – 증례가 점점 더 복잡해져 하위 분과 전문 병리학자의 의견이 필요합니다. 이로 인해 여러 기관에서 의뢰된 증례를 중앙의 전문가들이 판독하는 허브 앤 스포크(hub-and-spoke) 모델이 등장했습니다 [6].
      3. 인력 제한 – 특히 농촌이나 소외된 지역에는 자격을 갖춘 병리학자가 부족하여 확장 가능하고 분산된 솔루션이 필요합니다. AI 지원 이미지 분석으로 잠재적인 이상 소견을 선별하고 최종 확인은 병리학자가 수행하도록 함으로써 이러한 격차를 해소하는 데 도움을 줄 수 있습니다 [7].
      4. 검사실 워크플로 병목 – 증가하는 검체량, 단편화된 프로세스, 슬라이드 수작업 의존도는 처리 시간을 지연시키고 오류 위험을 높입니다 [8].
      5. 병리학자의 업무량 및 번아웃 – 행정 업무와 증가하는 증례 수로 인해 분류, 우선순위 설정, 신속한 검토를 지원하는 워크플로 도구에 대한 필요성이 커지고 있습니다 [8].
      6. 비용 및 운영 비효율 – 슬라이드의 물리적 보관, 슬라이드 배송, 중복 작업 등으로 불필요한 비용이 발생하고 보고의 변동성이 커집니다.
      7. IT 복잡성 – 병리 데이터를 병원 EHR 및 기타 진단 시스템과 통합하는 일은 많은 환경에서 여전히 큰 과제로 남아 있습니다.

2. 디지털 전환을 이끄는 기술 발전

동시에 검사실이 이러한 과제를 극복하고 디지털 워크플로를 완전히 수용할 수 있도록 하는 새로운 혁신의 물결이 일고 있습니다.

1. 1. 1. 기술 성숙도 – 고속 전체 슬라이드 스캐너, 클라우드 기반 스토리지, 안전한 네트워크 인프라를 통해 이제 일상적인 용도로 사용 가능한 대규모 디지털화가 가능해졌습니다.
      2. 데이터 및 디지털화 – 아날로그 현미경 검사에서 디지털 이미지로 전환함으로써 컴퓨터 병리학과 대규모 분석이 가능해졌습니다.
      3. 고급 이미지 분석 알고리즘 – AI 도구는 HER2-Low 발현과 같이 미세하지만 임상적으로 중요한 특징의 해석을 표준화하여 병리 평가의 재현성과 신뢰도를 높일 수 있습니다. 또한 MSI 상태를 H&E 슬라이드만으로 직접 검출하는 등, 인간의 눈으로 식별하기 어려운 세밀한 특징까지 포착하는 응용 확장도 가능합니다.
      4. 품질 관리 도구로서의 AI – 일차 진단을 넘어, AI는 두 번째 검토자 역할을 하여 잠재적인 불일치나 누락된 소견을 표시함으로써 일관성을 향상시킬 수 있습니다.
      5. 원활한 데이터 통합 – 병리학적 이미지를 다른 진단 방식(방사선학, 유전체학)과 연계하면 더욱 총체적인 환자 관점이 형성됩니다.
      6. 효율성 및 확장성 – 디지털 워크플로는 여러 기관에 걸쳐 중앙의 검토를 지원하고 신속한 이차 소견 획득과 처리 시간 단축을 가능하게 합니다.
      7. 팬데믹으로 촉발된 혁신 – COVID-19는 진료 연속성을 유지하기 위한 원격 병리학 및 원격 병리 진단의 가치를 부각시켰습니다.

디지털 병리학의 새로운 동향과 기회

자동화, 인공 지능, 오픈 이노베이션의 발전은 검사실 운영을 간소화할 뿐만 아니라, 더 심층적인 임상적 인사이트와 폭넓은 협업을 가능하게 합니다. 이러한 발전은 질병 발견, 치료 계획 수립 및 의료 서비스 제공을 개선하기 위한 새로운 경로를 열어 주며, 디지털 병리학을 진단 혁신의 핵심 동인으로 자리매김하게 합니다.

1. 전 과정 자동화 및 워크플로 통합

아주 중요한 변화 중 하나는 완전 자동화를 향한 움직임입니다. 검사실에서 이미지 획득뿐 아니라 검체 추적 및 바코드 관리에서 증례 배정, 슬라이드 스캔, 이미지 관리, 디지털 보고에 이르기까지 병리학 프로세스 전반을 자동화하려는 시도가 증가하고 있습니다. 디지털 병리학 플랫폼이 검사실 정보 시스템(Laboratory Information System, LIS) 및 전자 의무 기록(Electronic Health Record, EHR) 시스템과 통합되면 다음을 수행할 수 있습니다 [6].

• • • 채취부터 보고에 이르기까지 각 시료의 추적 가능성을 향상시킵니다.
    • 수기 데이터 입력 또는 슬라이드 라벨링과 관련된 오류를 줄입니다.
    • 지연 없이 원격 협업과 이차 소견을 지원합니다.
    • 향상된 이미지 선명도, AI 지원 판독, 실시간 협업을 통해 진단에 대한 신뢰도를 높입니다.
    • 자동화를 통해 24시간 내내 처리가 가능하여 더 많은 슬라이드를 준비, 스캔, 검토 대기 상태로 전환할 수 있으므로 검사실이 통상 근무 시간 이후에도 더 신속하게 결과를 제공할 수 있도록 돕습니다.

이러한 통합은 특히 증례 수가 많거나 인력 부족을 겪고 있는 환경에서 매우 중요합니다. 자동화를 통해 검사실은 정확성과 처리량을 유지하면서 업무 규모를 확대할 수 있으며, 그 결과 환자는 인생을 변화시킬 수도 있는 검사 결과를 더 빨리 받아 볼 수 있습니다.

2. AI 기반 알고리즘

디지털화로 인해 방대한 양의 고품질 이미지 데이터가 생성됨에 따라 병리학자들은 이제 데이터 과학자, 엔지니어, AI 전문가와 긴밀히 협력하여 기존의 시각적 평가 한계를 훨씬 뛰어넘는 인사이트를 도출할 기회를 얻게 되었습니다. 본질적으로 AI 기반 알고리즘은 병리학 이미지에서 특정한 특징을 인식하도록 학습된 컴퓨터 모델이며, 딥러닝 및 기타 고급 머신 러닝 기술을 기반으로 하는 경우가 많습니다. 이러한 알고리즘은 대규모의 전문가 주석 데이터 세트로 학습함으로써 높은 수준의 일관성으로 미세 구조물을 검출, 분할, 정량화, 분류할 수 있습니다. 또한 매우 다양한 작업을 수행하도록 설계할 수 있습니다 [9, 10, 11, 12].

• • • 검출 알고리즘은 악성 세포나 전이와 같은 질병 특이적 소견의 존재 여부를 식별합니다.
    • 분할 알고리즘은 관심 부위를 윤곽화합니다(예: 종양 경계 구분 또는 기질 조직 강조).
    • 정량화 알고리즘은 면역 조직 화학(Immunohistochemistry, IHC) 염색에서 HER2, PD-L1, ER, PR, Ki-67과 같은 바이오마커의 발현 수준을 측정합니다.
    • 분류 알고리즘은 형태학적 특징이나 바이오마커 패턴에 기반하여 진단 범주를 부여합니다(예: 암종 아형 구분).

이러한 도구는 상호 보완적인 두 가지 방식으로 작동할 수 있습니다. 일차 보조 도구로서 슬라이드를 사전 스크리닝하여 검토가 필요한 잠재적으로 중요한 증례를 표시함으로써 검사량이 많은 검사실에서 업무 우선순위 설정을 간소화할 수 있습니다. 또한 이차 검토자로서 일관되고 객관적인 기준을 제공하여 사람의 판독과 비교하는 품질 관리 수단으로 활용될 수 있으며, 수동 검토 과정에서 간과될 수 있는 미세한 소견을 확인하는 데 도움을 줍니다. 예를 들어 특정 AI 모델은 HER2-low 발현처럼 치료 전략에 영향을 줄 수 있으나 현미경으로는 완전히 확실하게 식별하기 어려운 마커를 신뢰성 있게 검출할 수 있습니다 [13]. 알고리즘은 표적 치료에 적합한 환자를 선별하는 동반 진단 도구로 간주됩니다. 적용 범위는 매우 빠르게 확대되고 있습니다. 어떤 알고리즘은 전립선암, 유방암, 결장 직장암과 같은 특정 종양 유형에 초점을 맞추는 반면, 다른 알고리즘은 예후 또는 예측 바이오마커를 평가하도록 설계됩니다. 새롭게 등장하는 모델들은 병리 조직학적 특징과 더불어 유전체, 이미지, 임상 데이터를 통합하여 질환 진행 양상을 예측하고, 재발 위험을 추정하며, 특정 치료에 대한 환자의 가능한 반응을 예측하는 데까지 활용될 수 있습니다 [9,10]. AI의 가장 큰 가치는 반복적이고 시간이 오래 걸리는 작업(예: 유사 분열상 계수, 슬라이드 분류, 복잡한 정량 측정)을 알고리즘에 맡기는 공생적인 진단 워크플로를 구축하는 데 있습니다. 이를 통해 병리학자는 더 세밀한 해석과 다학제 증례 논의에 더 많은 시간을 할애할 수 있습니다. 그 결과 처리 시간이 단축될 뿐만 아니라 재현성이 높고 정보량이 풍부한 진단적 인사이트를 제공하게 되므로 병리학자가 환자 진료에서 중심적인 역할을 유지하면서 정밀 의학의 가능성을 한층 더 발전시키는 데 기여할 수 있습니다 [11].

3. 개방형 생태계와 AI 알고리즘 공급업체와의 협업

이러한 환경을 형성하는 세 번째 주요 동인은 개방형 디지털 병리학 생태계의 부상입니다. 현대의 디지털 병리학 플랫폼은 점점 더 다양한 협력자가 제공하는 서드파티 AI 알고리즘을 통합할 수 있도록 설계되고 있으며, 이를 통해 모듈형, 상호 운용 가능, 혁신 친화적 환경을 구축하고 있습니다. 이러한 플랫폼은 사용자를 하나의 독점 도구 세트에 묶어 두는 대신, 병리학자가 통합 뷰어 인터페이스 내에서 여러 공급업체의 최고 수준 AI 모듈을 직접 활용할 수 있게 함으로써 교육 부담을 줄이고 워크플로의 원활한 도입을 지원합니다. 이들 알고리즘의 상당수는 종양 등급 판정, 전이 병변 탐지, 바이오마커 정량화와 같이 병리학자의 전문성을 대체하기보다는 보완해 주는 표적화된 인사이트를 제공합니다. 이러한 접근 방식은 더 빠르고, 일관되며, 임상적으로 유의미한 보고를 가능하게 합니다. 이 개방형 모델은 2014년 이후 AI 기반 디지털 병리학 솔루션에 미화 17억 달러 이상이 투자될 정도로 전 세계적인 투자를 이끌었으며, 특히 2021년 한 해에만 42% 급증했습니다 [14]. 빠른 혁신 속도에도 불구하고 일상적인 임상 워크플로에 이를 실제로 도입하는 일은 여전히 쉽지 않습니다. 규제 요건과 더불어 특정 하드웨어에 종속되지 않으면서도 각 지역의 IT 환경 제약에 유연하게 대응할 수 있는 솔루션이 필요하기 때문입니다. 특히 아시아 태평양 지역의 Qritive와 같은 기업은 전립선암, 결장암, 간암 등 지역적 우선순위에 대응하면서 데이터 주권을 보장하는 하드웨어 비종속 온프레미스 AI 모듈을 제공함으로써 스타트업이 이 분야에 어떤 가치를 제공할 수 있는지를 잘 보여줍니다. 궁극적으로 병리 검사실의 전 과정 자동화, AI 기반 분석 알고리즘, 개방형 AI 기반 생태계의 결합은 정적인 진단 데이터를 실행 가능한 인사이트로 전환하는 연결된 적응형 네트워크를 형성합니다. 이러한 연결성은 파트너, 데이터 유형, 지역 간 경계를 넘나들며 보건 의료 서비스 제공자가 진단 정확도를 높이고 워크플로를 간소화하며, 적시에 적절한 환자가 적절한 치료를 받을 수 있도록 힘을 실어 줍니다.

디지털 병리학 성숙 단계에서의 우선순위

디지털 병리학이 비전 단계에서 실제 구현 단계로 나아감에 따라 그 잠재력을 최대한 실현하는 데 있어 적합한 파트너를 선택하는 것이 중요한 단계가 되고 있습니다. 디지털 병리학 공급업체를 평가할 때 검사실은 고품질 슬라이드 스캐닝부터 AI 기반 이미지 분석 및 데이터 통합에 이르기까지 전 과정을 지원하며, 단편적인 도구의 집합이 아니라 하나의 매끄러운 워크플로를 보장하는 파트너를 찾아야 합니다. 개방성에 대한 공급업체의 의지도 마찬가지로 중요합니다. 개방형 생태계 안에서 서드파티 알고리즘을 통합하고 온보딩하는 기능은 혁신을 촉진하고 플랫폼을 미래에도 활용 가능하도록 만들어 줍니다. 이와 더불어 선택한 공급업체(또는 AI 알고리즘 제공업체)는 서비스와 지원 측면에서 검증된 전문성을 입증해야 합니다. 단순히 기술을 제공하는 수준을 넘어 중단 없는 운영과 최적의 시스템 성능을 보장하기 위해 신속한 기술 지원, 지속적인 교육, 선제적 유지 관리 서비스를 제공할 수 있어야 합니다. 마지막으로, 규제 표준, 데이터 프라이버시, 사이버 보안 보호 장치 등을 다루는 강력한 전문성은 민감한 환자 데이터를 보호하는 동시에 다양한 지역에서의 규정 준수 상태를 유지하는 데 필수적입니다. 이러한 요소들을 고려할 때 디지털 전환은 속도와 효율성뿐만 아니라 회복 탄력성과 장기적인 가치까지 제공할 수 있도록 보장합니다.

디지털 병리학의 새로운 시대

광학 현미경에서 완전한 디지털 전환으로의 변화는 병리학을 틈새 혁신에서 임상적으로 필수적인 영역으로 변화시키고 있습니다. 아시아 태평양 전역, 특히 동남아시아 신흥 지역에서는 디지털 병리학이 조기 진단, 지연 감소, 더욱 개인화된 치료를 통해 암 치료 경로를 강화할 중추적인 기회를 제공합니다. AI 기반 이미지 분석과 결합할 경우 이러한 플랫폼은 진단의 정확성을 높이고 다학제 간 협업을 가능하게 하며, 원격 환경에서도 전문가의 지식과 역량에 적시에 접근할 수 있도록 해줍니다. 이는 특히 조기 진단을 통해 생존율을 크게 향상시킬 수 있는 폐암과 유방암처럼 부담이 큰 암에서 중요합니다. 개방적이고 상호 운용 가능한 생태계는 적응성, 검증된 서드파티 도구의 통합, 규제 준수를 더욱 보장하여 진단 인프라를 미래 지향적으로 구축하는 데 기여합니다. 병리학자들이 설계하고 대표성 있는 데이터 세트를 기반으로 임상 검증을 마친 솔루션은 결과의 일관성을 뒷받침하며, 강력한 사이버 보안과 확장 가능한 하드웨어는 진료 전 과정에 걸쳐 안전하고 원활한 도입을 가능하게 합니다. 정밀성, 속도, 연결성이 의료를 규정하는 이 시대에 디지털 병리학은 단순히 판도를 바꾸는 기술이 아닌 현대 진단의 새로운 중추입니다.

참고 문헌:

[1] Eloy, C., et al. 2025. “Digital transformation of pathology – the European Society of Pathology expert opinion paper.” Virchows Archiv. doi:10.1007/s00428-025-04090-w.

[2] Zia, S., et al. 2025. “An update on applications of digital pathology: primary diagnosis; telepathology, education and research.” Diagnostic Pathology 20 (17). doi:10.1186/s13000-025-01610-9.

[3] Menter, T., et al. 2020. “Intraoperative frozen section consultation by remote whole-slide imaging analysis –validation and comparison to robotic remote microscopy.” Journal of Clinical Pathology 73 (6): 350–352.

[4] International Agency for Research on Cancer. 2022. Global Cancer Observatory. 2025년 8월 10일 접속. https://gco.iarc.fr/.

[5] Zehra, T., et al. 2023. “A suggested way forward for adoption of AI-Enabled digital pathology in low resource organizations in the developing world.” Diagnostic Pathology 18 (1): 68. doi:10.1186/s13000-023-01352-6.

[6] Mosquera-Zamudio, A., M.Gomez-Suarez, J.Sprockel, J.C. Riaño-Moreno, E.A.M. Janssen, L.Pantanowitz, and R.Parra-Medina. 2024. “Globalization of a telepathology network with artificial intelligence applications in Colombia: The GLORIA program study protocol.” Journal of Pathology Informatics 15: 100394. doi:10.1016/j.jpi.2024.100394.

[7] Walsh, E., and N.M. Orsi. 2024. “The current troubled state of the global pathology workforce: a concise review.” Diagnostic Pathology 19 (163). doi:10.1186/s13000-024-01590-2.

[8] Edayan, J.M., et al. 2024. “Informatics in Medicine Unlocked” 50: 101566. doi:10.1016/j.imu.2024.101566.

[9] Go, H.2022. “Digital Pathology and Artificial Intelligence Applications in Pathology.” Brain Tumor Research and Treatment 10 (2): 76–82.

[10] Shafi, S., and A.V. Parwani. 2023. “Artificial intelligence in diagnostic pathology.” Diagnostic Pathology 18 (109).

[11] Jarrahi, M.H., et al. 2022. “The key to an effective AI-powered digital pathology: Establishing a symbiotic workflow between pathologists and machine.” Journal of Pathology Informatics 13: 100156.

[12] Gaffney, H., and K.M. Mirza. 2025. “Pathology in the artificial intelligence era: Guiding innovation and implementation to preserve human insight.” Academic Pathology 12: 100166.

[13] Mulder, D., et al. 2025. “Use of artificial intelligence–assistance software for HER2-low and HER2-ultralow IHC interpretation training to improve diagnostic accuracy of pathologists and expand patients’ eligibility for HER2-targeted treatment.” 2025 ASCO Annual Meeting에서 발표된 초록.

[14] Signify Research. 2023. “Digital Pathology Investment Matures, VCs Get Selective.” 2025년 9월 4일 접속. https://www.signifyresearch.net/insights/complimentary-digital-pathology-vc-investment-analysis/.