AI 혁신: 1초 만에 유방촬영술 분석해 유방암 위험도 판독

• 새로운 딥러닝 모델이 유방촬영술의 유방 조직을 분석해 밀도 등급을 정확히 추정합니다.
• 이 등급들은 유방암의 독립적인 위험 인자입니다.
• 모델은 유방촬영술 한 장을 1초 미만으로 처리하며 병원 전반으로 쉽게 확장 가능합니다.

미국에서 유방암 사망률은 폐암 다음으로 여성에게서 가장 높습니다. breastcancer.org에 따르면 미국 여성의 약 12.4%가 평생 동안 침습성 유방암을 발병합니다.

유방촬영술은 저전력 X선을 이용해 인간의 유방을 선별 및 진단하는 방법입니다. 그러나 치밀한 조직은 유방촬영술에서 암을 가려 이 과정을 어렵게 만듭니다. 일반적으로 유방 밀도 평가는 주관적인 인간 평가에 의존합니다. 결과는 여러 요인으로 인해 방사선 전문의마다 다릅니다.

이제 매사추세츠 종합병원(MGH)과 MIT의 연구자들이 유방촬영술에서 치밀한 유방 조직을 정확히 분석하는 자동화 도구를 개발했습니다. 이는 수만 장의 고해상도 디지털 유방촬영술 이미지로 훈련된 딥러닝 모델로, 다양한 유방 조직 유형을 구별하는 법을 학습했습니다.

새로운 유방촬영술 이미지가 주어지면, 이 도구는 전문 방사선 전문의만큼 신뢰할 수 있는 밀도 측정을 탐지할 수 있습니다. 저자들에 따르면 이는 병원에서 환자에게 성공적으로 시연된 최초의 AI로, 이 기술이 전국적으로 광범위하게 구현될 수 있으며 유방 조직 평가의 신뢰성을 높일 것이라고 믿습니다.

훈련

이 도구는 학습 가능한 가중치와 편향을 가진 뉴런으로 구성된 합성곱 신경망을 기반으로 합니다. 2009년부터 2011년까지 검진받은 39,000명의 여성으로부터 무작위로 추출한 58,000장 이상의 유방촬영술 이미지가 포함된 풍부한 데이터셋으로 네트워크를 훈련하고 테스트했습니다. 약 41,000장은 훈련용, 8,600장은 테스트용으로 사용되었습니다.

각 인구통계학적 이미지에는 표준 BI-RADS(유방 영상 보고 및 데이터 시스템) 밀도 등급이 4개 그룹으로 포함되어 있습니다:

1. 불균질(대부분 치밀)
2. 산재성 밀도
3. 치밀
4. 지방

훈련 및 테스트 단계에서 약 40%가 치밀 및 불균질로 평가되었습니다. 훈련 단계에서 네트워크는 평가를 위해 무작위 유방촬영술 이미지를 입력받습니다. 전문가들의 밀도 등급과 밀접하게 일치하도록 유방촬영술을 매핑하는 법을 점차 학습합니다.

예를 들어, 지방 유방 조직 네트워크는 전체적으로 회색 영역과 함께 더 얇아 보이는 반면, 치밀한 유방은 단단한 흰색 패치와 두꺼운 흰색 선의 빽빽한 네트워크로 나타나는 섬유질 및 샘 결합 조직으로 구성됩니다. 테스트 단계에서 네트워크는 새로운 유방촬영술 이미지를 보고 가장 가능성 높은 밀도 그룹을 추정합니다.

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

이 도구는 MGH의 유방 영상 부서에 구현되어 격리된 머신에 설치되었습니다. 일반적으로 유방촬영술이 생성되어 평가를 위해 시설로 전송되며, 이는 전문 방사선 전문의가 수행합니다. 모든 필요한 조사 후, 그는 각 유방촬영술에 밀도 등급을 부여합니다.

전문가들이 시설에서 스캔을 불러오면, 이 딥러닝 도구가 할당한 등급을 볼 수 있으며, 이를 추가로 거부하거나 수락할 수 있습니다.

결과

네트워크는 유방촬영술 한 장을 1초 미만으로 처리하며, 많은 비용과 인력을 들이지 않고 도시 전역의 병원으로 확장할 수 있습니다.

방사선 전문의 평가 vs 딥러닝(DL) 평가(이진 테스트) | 연구진 제공

2018년 1월부터 5월까지 네트워크는 10,000장 이상의 유방촬영술 이미지를 관찰했으며, 유방이 치밀/불균질인지 산재성/지방인지 판단하는 이진 테스트에서 전문가들과 94% 일치했습니다. 4개 BI-RADS 그룹 전체에서 전문가 의견과 90% 일치했습니다.

방사선 전문의 평가 vs 딥러닝(DL) 평가(4개 BI-RADS 그룹) | 연구진 제공

일반 테스트(훈련 데이터셋 기반)에서 네트워크는 이진 테스트에서 방사선 전문의 해석과 87%, 4개 BI-RADS 그룹에서 77% 일치했습니다.

참고: AI가 인간의 숨결로 질병을 감지합니다 | 다양한 암 포함

기존 예측 기법은 카파 점수라는 지표를 사용하며, 1은 추정이 항상 일치함을 의미하고 낮은 값은 더 적은 일치 사례를 나타냅니다. 기존 방법의 카파 점수는 최대 0.6에 이르지만, 새 모델은 임상 적용에서 0.85, 일반 테스트에서 0.76에 도달합니다. 이는 새 도구가 기존 기법보다 더 나은 추정을 함을 명확히 보여줍니다.