비강 비디오 내시경을 이용한 인공지능을 통한 부비동유두종의 수술 전 예측: 후향적 연구

Scientific Reports 13권, 기사 번호: 12439(2023) 이 기사 인용

4 알트메트릭

측정항목 세부정보

부비강 역유두종(IP)은 재발과 악성종양의 위험이 있어 비강내시경을 이용한 조기 진단이 필수적이다. 이에 우리는 인공지능(AI)을 활용해 비부비동유두종을 진단하는 진단 시스템을 개발했다. 내시경 부비동 수술을 받은 53명의 환자의 내시경 수술 영상을 편집하여 심부 신경망 모델을 훈련하고 평가한 후 진단 시스템을 개발했습니다. 이비인후과 의사의 육안 검사를 통한 정확한 진단율도 동일한 영상을 활용해 평가하고, AI 진단 시스템 환자와 비교했다. 평가된 주요 결과에는 AI 진단 대비 정확한 진단 비율과 다년간의 실무 경험을 바탕으로 한 이비인후과 전문의의 정확한 진단 비율이 포함됐다. 진단 시스템의 곡선 아래 면적은 0.874, 정확도는 0.843, 위양성률은 0.124, 위음성률은 0.191이었습니다. 이비인후과 전문의의 평균 정확한 진단률은 69.4%로 AI의 정확성이 높은 것으로 나타났다. 분명히 사례 수는 적었지만 매우 정확한 진단 시스템이 만들어졌습니다. 시스템의 정확성을 향상시키고 더 많은 임상 적용을 위해 감지할 수 있는 질병의 범위를 확장하기 위해 더 큰 샘플을 사용하는 향후 연구가 보장됩니다.

부비동 역유두종(IP)은 재발하거나 악성이 될 수 있는 양성 종양으로, 내시경 지도 하에 조기 진단 및 수술적 절제가 바람직합니다1. 이비인후과 의사들은 외래진료를 위해 비강내시경을 이용하고 있지만, IP와 비염증성 폴립을 구별하기 어려운 경우가 있다. 시간이 많이 걸리긴 하지만, 확정적인 진단을 내리기 위해서는 병리학적 검사가 필요합니다. 비강내시경을 이용하여 매우 정확한 부가진단을 할 수 있다면 임상적으로 유용할 것이다. 이에 우리는 내시경 영상을 이용하여 IP를 진단하는 컴퓨터 지원 진단 시스템을 개발하였다.

최근 인공 지능(AI)과 기계 학습 기술의 발전은 의료 분야에서 중요한 응용 분야의 기반을 제공했습니다. 손으로 작성한 예측 알고리즘은 오랫동안 의료 의사 결정을 돕기 위해 사용되어 왔지만, 예측을 위한 기계 학습 방법의 실제 적용은 2000년에 시작되었습니다. 그 후 컴퓨터 하드웨어 성능이 크게 향상되어 2010년과 2012년에 DNN이 도입되었고 DNN의 정확도는 ImageNet 대규모 시각적 인식 챌린지(ImageNet Large Scale Visual Recognition Challenge)에서 기존 이미지 처리 방법의 정확도를 넘어섰고, 결국 2015년에는 인간의 이미지 인식 정확도를 넘어섰습니다. 그럼에도 불구하고 일반적으로 DNN 모델을 훈련하고 진단에 적용하려면 많은 양의 데이터가 필요합니다. IP와 같은 희귀질환의 치료는 어려운 것으로 간주됩니다.

우리가 아는 한, 이전 연구에서는 내시경 비디오 스트림을 사용하여 IP를 진단하기 위해 DNN을 활용한 적이 없습니다. 따라서 본 연구에서는 DNN 모델을 활용하여 내시경 진단의 정확도를 높일 수 있는지 알아보고자 하였다. 또한 우리는 DNN 모델을 다양한 이비인후과 전문의가 수행한 평가와 비교하여 실행 가능성을 확인했습니다. 특히, 우리가 아는 한, 이것은 비디오 내시경을 사용하여 IP 진단을 위한 DNN 모델의 타당성을 입증한 최초의 연구입니다.

연구 프로토콜은 일본 도쿄에 있는 Jikei University School of Medicine의 인간 윤리 검토 위원회(승인 번호: 32-036 [10111])에 의해 승인되었으며, 연구의 후향적 성격으로 인해 사전 동의 요구 사항을 면제했습니다.

2018년부터 2021년까지 우리 병원에서 내시경 부비동 수술을 받은 환자 53명(남성, n = 33; 여성, n = 30; 평균 연령, 51.2 ± 12.6세)을 후향적으로 평가하여 등록했으며, 이 중 병리학적 검사에서 IP로 진단된 환자는 21명입니다. 비용종을 동반한 만성 비부비동염(CRSwNP) 환자 32명. 조작 전 거의 무혈 상태를 보여주기 위해 비디오 이미지가 사용되었습니다. 내시경 영상에는 겸자가 포함되지 않았습니다.