| 초록 |
□ 연구개요 간암 영상 진단에서 가장 중요한 소견은 동맥기 조영증강 (arterial-phase hyperenhancement)이나 현재 10-20% 환자에서는 호흡운동에 의한 인공물(Transient Severe Motion, TSM)이 발생하여 진단능을 감소시키고 있음. 최근 영상의학의 다양한 분야에서 인공지능기술 개발 및 적용이 활발히 이루어지고 있음. 본 연구는 인공지능 기반 TSM 발생 및 분류 기술을 개발하여 TSM 발생을 실시간으로 발견하고 이를 통해 불필요한 재촬영 영상검사를 줄이고자 연구를 진행함. □ 연구 목표대비 연구결과 Convolutional neural network를 기반으로 TSM 자동 발견 및 분류를 위해 다음의 4단계 과정을 통해 인공지능기술을 개발함 (1단계: TSM에 의한 비진단적 영상 스크린닝; 2단계: 간 분할; 3단계: 자동 모양 분류; 4단계: 원본 liver MRI 영상과 간 분할 후 영상에서 TSM ensemble grading). 본 연구에서 1, 3, 4단계에서는 Modified ResNet-101, 2단계에서는 Modified U-net을 2단계에 이용함. 임상 전문가의 수동 TSM 발견 및 분류 결과를 토대로 인공지능 기반 자동 TSM 발견 및 분류 결과에 대한 검증 시행하였고 per-slice level internal validation 결과 총 1278개 slice 영상에서 TSM (grade 3)에 대한 민감도 91.5%, 특이도 96.8%, external validation 결과 총 1319개 slice 영상에서 TSM (grade 3)에 대한 민감도 93.3%, 특이도 91.6%을 보고함. Per-exam level에서는 internal validation 결과 총 313개 MRI 검사에서 검증. TSM (grade 3)에 대한 민감도 92.0%, 특이도 99.7%, 처리시간은 4.14초였으며 external validation결과 총 329개 MRI 검사에서 TSM (grade 3)에 대한 민감도 90.0%, 특이도 96.0%, 처리 시간은 평균 4.15초의 우수한 결과를 보고함. 본 연구는 현재 논문 작성 중으로 2022년 상반기까지 SCI급 저널에 submit, 하반기까지 accept를 목표로 진행 할 예정임. □ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성) 본 연구에서 인공지능 기반 자동 TSM 발견 및 분류 기술은 높은 정확도 뿐 아니라 짧은 분류 처리 시간을 보여 임상적 적용 가능성을 확인하였음. 이는 TSM을 실시간 자동적으로 발견 할 수 있음을 의미하는 바로 임상적 의의가 매우 큼. 향후 liver MRI 영상 검사와 동시에 인공지능 기술이 동맥기 영상을 자동으로 추출, 추출한 동맥기 영상에서 liver를 자동적으로 분할, 자동 교정 기능까지 기술 개발이 확대된다면 liver MRI에서 TSM을 실시간 전과정 자동화로 교정이 가능할 것으로 기대되고, 궁극적으로는 불필요한 재촬영 영상 검사 감소를 통한 궁극적으로 의료비용 감소를 기대할 수 있음. 또한, 본 연구결과를 바탕으로 liver MRI의 질 평가 및 정도 관리에 인공지능 기술을 확대시 킬 수 있을 것으로 기대됨. (출처 : 연구결과 요약문 2p) |
