AI, 피부암 탐지 정확도에서 숙련된 피부과 의사 능가

• 연구원들은 피부암을 감지하기 위해 컨볼루셔널 신경망을 훈련시켰습니다.
• 경험이 풍부한 국제 피부과 전문의 그룹을 능가했습니다.
• AI가 의사를 대체하지는 않지만 보다 정확한 의사결정을 돕는 역할을 할 수 있습니다.

인공지능이 숙련된 피부과 전문의보다 피부암을 더 정확하게 감지할 수 있다는 사실이 국제팀에서 처음으로 입증되었습니다.

악성 흑색종 사례는 증가하고 있습니다. 2015년에는 전 세계적으로 230,000건이 넘는 새로운 진단이 발생하고 59,800명이 사망했습니다. 조기 발견이 중요합니다. IV기에서는 5년 및 10년 생존율이 15% 및 10%로 떨어집니다.

유럽종양학회(European Society for Medical Oncology) 팀은 악성 흑색종과 양성 점에 대한 100,000개 이상의 피부 현미경 이미지에 대해 CNN(Convolutional Neural Network)을 훈련시켰습니다.

직접 비교에서 CNN은 14개국의 58명의 피부과 전문의보다 더 적은 수의 긍정적인 사례를 놓쳤습니다.

인공 신경망

연구원들은 Google의 Inception‑v4 아키텍처를 사용하여 진피경 이미지와 진단에 대해 교육했습니다. 신경망은 예를 통해 학습하며 더 많은 데이터에 노출될수록 점진적으로 향상됩니다.

CNN에 자세한 보기를 제공하기 위해 이미지가 10배 확대되었습니다. 훈련을 반복할 때마다 악성 병변과 양성 병변을 구별하는 모델의 능력이 향상되었습니다.

CNN 대 의사

레벨 I(피부경 이미지만 해당)과 레벨 II(피부경 이미지와 임상 정보 포함)의 두 가지 테스트 세트가 생성되었습니다. CNN과 피부과 전문의 모두 특이성, 민감도, ROC 곡선 아래 면적을 측정했습니다.

레벨 I에서 피부과 전문의는 흑색종에 대해 평균 86.6%의 민감도를, 양성 점에 대해 71.3%의 특이도를 달성했습니다. CNN은 양성 점에 대해 동일한 71.3% 특이성을 유지하면서 흑색종에 대해 95% 민감도에 도달했습니다.

레벨 II에서는 두 그룹 모두에서 성능이 향상되었지만 CNN은 여전히 더 높은 민감도와 특이도를 보여 암이 누락되고 양성 병변이 더 적게 잘못 분류되었습니다.

결과는 또한 2016년 ISBI(International Symposium on Biomedical Imaging) 대회의 상위 3개 알고리즘과 일치했습니다.

결론

데이터는 CNN이 피부암 식별에 있어서 경험이 풍부한 피부과 의사들보다 더 나은 성능을 발휘할 수 있음을 나타냅니다.

이 기술은 임상의를 대체하기 위한 것은 아니지만 진단 정확도를 향상시킬 수 있는 강력한 의사 결정 지원 도구를 제공합니다.

읽기:Google, 눈을 스캔하여 심장병을 예측하는 AI 개발

향후 개선은 더 큰 훈련 세트와 이미징 기술의 발전을 통해 이루어질 것이며 가까운 미래에 피부과 진단을 변화시킬 가능성이 있습니다.

참고자료:종양학 연보 | doi:10.1093/annonc/mdy166