생명/의료

신속하고 정확한 소장질환 진단 달성

발행일 : 2019 / 10 / 28

화중(華中)과기대 퉁지(同濟)의학학원 부속셰허(協和)병원 허우샤오화(侯曉華)/린룽(藺蓉) 연구팀은 신속하고 정확한 소장질환 진단을 달성했다. 동 성과는 “딥러닝 모델을 이용한 캡슐내시경으로 소장질환 및 점막 정상적인 변화 기반의 위장병 전문가급 임상진단(Gastroenterologist-Level Identification of Small-Bowel Diseases and Normal Variants by Capsule Endoscopy Using a Deep-Learning Model)”이라는 제목으로 “Gastroenterology”에 앞표지 문장으로 게재됐다.

인체의 위와 결장/직장 사이에 위치한 소장은 소화관에서 가장 긴 부분으로서 길이가 약 5~7m이다. 또한 완전한 검사를 수행하기 가장 어려운 부위로서 내시경검사 및 방사선검사에서 어려움을 겪고 있다. 현재 임상에서 광범위하게 이용되고 있는 캡슐내시경은 삽입식 내시경에 비하여 조작이 간단하고 마취가 필요 없으며 교차 감염이 없고 쾌적성/안전성 등 장점을 보유하고 있다. 하지만 매번 검사에서 이미지비디오 생성 시간이 8~10시간(매번 검사에서 평균 20,000~30,000개 이미지를 수집)에 달하며 소화기내과 의사가 1명 환자의 거대량 데이터를 분석하는데 1~2시간이 소요되기에 소장질환 진단 시간비용이 매우 높다. 뿐만 아니라 고강도 인공적 영상판독으로 인한 의사의 과도한 피로로 진단 누락률이 증가될 가능성이 있다. 따라서 의사가 소장 캡슐내시경 이미지를 검사하는데 효과적인 도움을 줄 수 있는 도구 개발은 중대한 임상 및 사회적 가치가 있다.

연구팀은 2016년 7월 ~ 2018년 7월 사이에 77개 의학건강검진센터 6,970명 환자의 113,426,569장 소장 캡슐내시경 검사 이미지를 수집함과 아울러 자체 개발한 ESView 원격 영상판독 플랫폼을 이용하여 원격 모니터링, 판독, 데이터 저장 및 공유를 달성했으며 일반 영상판독 및 심층적 콘볼루션 신경망(Convolutional neural network, CNN) 모델 기반 보조 영상판독을 통해 소화기내과 의사가 소장 캡슐내시경 이미지를 판독 및 분석 평가하는데 도움을 주었다.

대표본 검증을 통해 전통적인 영상판독 방법과 비교한 결과, 심층적 CNN 보조적 영상판독 모델을 기반으로 평균 진단 시간을 96.6분/차에서 5.9분/차로 감소시킬 수 있고 평균 인공적 영상 판독량을 22,654장/차에서 578장/차로 감소시킬 수 있으며 병소 분석 기반 이상 식별 민감도를 76.89%에서 99.90%로 향상시킬 수 있고 환자 분석 기반 이상 식별 민감도를 74.57%에서 99.88%로 증가시킬 수 있다.

심층적 CNN 기반 보조 영상판독 모델은 소화기내과 의사의 일반적 분석에 비하여 더욱 높은 민감도 및 더욱 짧은 시간의 영상 판독을 달성할 수 있다. 해당 알고리즘은 소화기내과 의사가 효과적이고 정확하게 소장 캡슐내시경 이미지를 판독하는 중요한 도구로 이용될 전망이다.

동 연구는 캡슐내시경 응용의 지능적 보조선별을 달성함과 아울러 소장질환의 진단 모델을 대폭 개선했다. 안한과기(安翰科技) 연구팀은 캡슐내시경 이미지 빅데이터 및 인공지능 기술을 이용하여 심층적 CNN 기반 소장 병소 식별 모델을 개발했다. 해당 모델은 고민감도, 고선별률, 높은 병변 진단율 등 특성을 보유하고 있다.

34 Views