유방 사진 조직 밀도를 분석하여 유방암을 감지하는 새로운 AI

• 새로운 딥 러닝 모델은 유방 조영술에서 유방 조직을 분석하고 밀도 등급을 정확하게 추정합니다.
• 이 등급은 유방암에 대한 독립적인 위험 요소입니다.
• 이 모델은 유방 조영술 1개를 처리하는 데 1초도 채 걸리지 않으며 병원 전체에서 쉽게 확장할 수 있습니다.

미국에서 유방암 사망률은 폐암(여성의 경우) 외에 다른 어떤 유형의 암보다 상당히 높습니다. breastcancer.org에 따르면 미국 여성의 약 12.4%가 일생 동안 침습성 유방암에 걸립니다.

유방 조영술은 선별 및 진단을 위해 인간의 유방을 분석하기 위해 저출력 X선을 사용하는 방법입니다. 그러나 조밀한 조직은 유방 X선 촬영에서 암을 가려서 이 과정을 어렵게 만들 수 있습니다. 일반적으로 유방 밀도의 평가는 주관적인 인간 평가에 따라 다릅니다. 결과는 여러 요인으로 인해 방사선 전문의에 따라 다릅니다.

이제 매사추세츠 종합 병원(MGH)과 MIT의 연구원들이 유방 조영술에서 치밀 유방 조직을 정확하게 분석하는 자동화 도구를 구축했습니다. 다양한 종류의 유방 조직을 구별하는 방법을 배울 수 있도록 수만 개의 고화질 디지털 유방 조영술로 훈련된 딥 러닝 모델입니다.

새로운 유방조영술 이미지가 주어지면 이 도구는 전문 방사선 전문의만큼 신뢰할 수 있는 밀도 측정을 감지할 수 있습니다. 저자에 따르면 이것은 병원의 환자에게 성공적으로 시연된 최초의 AI입니다. 그들은 이 기술이 전국적으로 광범위하게 시행될 수 있고 유방 조직 평가에 더 높은 신뢰성을 가져올 것이라고 믿습니다.

교육

이 도구는 학습 가능한 가중치와 편향이 있는 뉴런으로 구성된 컨볼루션 신경망을 기반으로 합니다. 그들은 2009년부터 2011년까지 선별된 39,000명의 여성에게서 무작위로 가져온 58,000개가 넘는 유방조영술 이미지가 포함된 풍부한 데이터 세트에서 네트워크를 훈련하고 테스트했습니다. 이 이미지 중 약 41,000개는 훈련에 사용되었고 8,600개는 테스트에 사용되었습니다.

각 인구 통계 이미지에는 4개 그룹의 표준 BI-RAID(유방 영상 보고 및 데이터 시스템) 밀도 등급이 포함되어 있습니다.

교육 및 테스트 단계에서 거의 40%가 조밀하고 이질적인 것으로 평가되었습니다. 훈련 단계 전반에 걸쳐 평가를 위해 네트워크에 무작위 유방조영술 사진이 제공됩니다. 점차적으로 전문가의 밀도 등급과 밀접하게 일치하는 방식으로 유방 조영술을 매핑하는 방법을 배웁니다.

예를 들어, 지방 유방 조직 네트워크는 전체적으로 회색 영역으로 더 얇아 보이는 반면, 조밀한 유방은 단단한 흰색 패치와 두꺼운 흰색 선의 빽빽하게 채워진 네트워크로 나타나는 섬유질 및 선 결합 조직으로 구성됩니다. 테스트 단계에서 네트워크는 새로운 유방조영상 이미지를 보고 가장 가능성이 높은 밀도 그룹을 추정합니다.

참조:RSNA 방사선과 | doi:10.1148/radiol.2018180694 | MIT

이 도구는 격리된 기계에 설치된 MGH의 유방 영상 부서에서 구현되었습니다. 일반적으로 유방 X선 촬영을 생성하여 전문 방사선 전문의가 평가를 위해 시설로 보냅니다. 필요한 모든 조사를 마친 후 검사는 각 유방 X선 촬영에 밀도 등급을 지정합니다.

전문가가 시설에서 스캔을 꺼내면 이 딥 러닝 도구에 의해 할당된 등급이 표시되며 추가로 거부하거나 수락할 수 있습니다.

결과

이 네트워크는 유방 조영술 1개를 처리하는 데 1초도 채 걸리지 않으며 많은 돈과 인력을 들이지 않고도 도시의 병원 전체로 확장할 수 있습니다.

이진 검사를 위한 방사선 전문의 평가 대 딥 러닝(DL) 평가 | 연구원 제공

2018년 1월과 5월 사이에 이 네트워크는 10,000개 이상의 유방조영술 사진을 관찰했으며 유방이 치밀하고 이질적인지 또는 흩어져 있고 지방이 많은지를 결정해야 하는 바이너리 테스트에서 전문가들 사이에서 94%의 동의를 얻을 수 있었습니다. 4개의 BI-RAID 그룹 모두에 대해 전문가 의견과 90% 일치했습니다.

4개의 BI-RAID 그룹에 대한 방사선 전문의 평가 대 딥 러닝(DL) 평가 | 연구원 제공

일반 테스트(훈련 데이터 세트 기반)에서 네트워크는 이진 테스트에서 시간의 87%, 4개의 BI-RADS 그룹에서 77%의 시간에 방사선 전문의의 해석과 일치했습니다.

읽기:AI는 인간의 호흡에서 질병의 냄새를 맡을 수 있습니다 | 다양한 암 포함

기존 예측 기술은 카파 점수라는 메트릭을 사용합니다. 여기서 1은 추정이 매번 일치함을 나타내고 더 낮은 값은 일치하는 경우가 더 적음을 나타냅니다. 기존 방법의 Kappa 점수는 최대 0.6에 도달하는 반면 새로운 모델의 경우 임상 적용에서 0.85, 일반 테스트에서 0.76에 이릅니다. 이것은 새로운 도구가 기존 기술보다 더 나은 추정을 한다는 것을 분명히 나타냅니다.