AI, 검진에서 놓친 간격성 유방암 사례의 3분의 1 탐지

오늘 Radiology 저널에 발표된 연구에 따르면, 유방암 검진을 위한 인공지능 알고리즘이 디지털 단층촬영(DBT)의 성능을 향상시켜 간헐적 암 발생률을 최대 3분의 1까지 줄일 수 있다고 합니다.

간격성 유방암은 정기 검진 유방촬영술 사이에 진단되는 증상성 종양입니다. 이러한 경우 질병이 더 공격적이고 종양이 빠르게 성장하기 때문에 일반적으로 예후가 나쁩니다. DBT(3D 유방촬영술)는 유방 병변의 시각화를 개선하고 치밀 조직에 가려져 있을 수 있는 종양을 식별할 수 있습니다. 그러나 DBT는 비교적 새로운 기술이기 때문에 최근 이 기술을 도입한 기관의 환자들에 대한 장기적인 결과 데이터는 여전히 제한적입니다.

"10년 이상의 DBT 검진 이후 유방암 사망률 데이터가 부족하다는 점을 고려할 때, 간격 암 발생률은 종종 대리 지표로 사용됩니다."라고 매사추세츠 종합병원 유방 영상 품질 책임자이자 하버드 의대 부교수인 마니샤 바흘 박사는 설명합니다.
"간격 암 발생률의 감소는 유방암 발생률과 사망률의 감소를 시사합니다."

연구: AI가 감지되지 않은 종양을 식별한다

1,376건의 사례를 대상으로 한 연구에서 Bal과 동료들은 DBT 검진을 받은 224명의 여성에서 발생한 224건의 간격암을 후향적으로 분석했습니다. 이 이미지에서 Lunit INSIGHT DBT v1.1.0.0 AI 알고리즘은 이전에 발견되지 않았던 종양의 32.6%(224건 중 73건)를 정확하게 진단했습니다.

Bahl은 "영상의학과 의사가 이전에 정상으로 해석했던 유방조영술에서 AI 알고리즘이 간격 종양의 거의 3분의 1을 감지하고 정확하게 위치를 파악한 것을 보고 놀랐습니다. 이는 AI가 '두 번째 독자'로서 잠재력을 가지고 있음을 보여주는 것입니다."라고 말했습니다.

연구자들에 따르면, 이번 연구는 DBT 이미지에서 간격암을 탐지하기 위해 AI를 사용하는 방법을 구체적으로 살펴본 최초의 연구일 수 있습니다.

발 박사는 "AI는 기존 2D 디지털 유방조영술에서 간격암을 감지하는 데 이전에도 사용되었지만, 우리가 아는 한, 특히 3D 단층촬영에서 AI가 간격암을 감지한 것에 대한 연구는 문헌에 발표된 적이 없습니다."라고 설명했습니다.

방법론: 병변 수준에서, 단순한 스냅샷이 아닙니다

알고리즘의 민감도를 과대평가하지 않기 위해, 발의 팀은 병변별 분석을 사용했습니다. AI가 종양의 정확한 위치를 올바르게 식별하고 국소화한 경우에만 "점수 적중"을 받았습니다.

"반대로, 전체 이미지 분석은 주석이 정확하지 않더라도 AI에 '합격'을 줄 수 있는데, 이는 민감도를 인위적으로 부풀리는 결과를 초래합니다."라고 그녀는 덧붙였습니다.
"병변 위치 정확도에 초점을 맞추면 알고리즘의 임상적 성능을 더욱 신뢰할 수 있는 평가가 가능합니다."

AI는 정확히 무엇을 찾을까?

• 알고리즘에 의해 감지된 종양은 더 큰 경향이 있었습니다.
• 더 자주 그들은 림프절 손상을 입었습니다.
• 이는 AI가 주로 공격적이거나 빠르게 성장하는 종양을 식별하거나, 이미 진행 단계에 있지만 검진 중에 의사가 놓친 종양을 식별할 수 있음을 의미합니다.

전반적인 결과:

1,000명의 환자(확진된 종양이 있는 환자와 양성 또는 위양성 결과가 있는 환자 모두 포함) 중 AI는 다음을 수행했습니다.

• 334건의 실제 양성 사례 중 84.4%가 정확하게 지역화되었습니다.
• 333개의 참 부정 중 85.9%를 정확하게 분류했습니다.
• 333건의 가양성 사례 중 73.2%가 거짓으로 거부됨

결론 및 중요성

Bahl 박사는 "저희 연구에 따르면 AI 알고리즘은 DBT 검진 이미지에서 간헐적 유방암의 약 3분의 1을 후향적으로 탐지하고 정확하게 위치를 파악할 수 있었습니다. 이는 간헐적 유방암 발생률을 줄이고 검진 결과를 개선할 수 있는 잠재력이 있음을 보여줍니다."라고 말했습니다.

"저희 연구 결과는 DBT 워크플로에 AI를 통합하여 암 진단 정확도를 향상시킬 수 있음을 뒷받침합니다. 하지만 실제 효과는 영상의학과 전문의가 임상 실무에 AI를 얼마나 도입하고 적용하는지, 그리고 다양한 임상 환경에서 그 효과를 얼마나 검증하는지에 달려 있습니다."