결핵 진단을 위한 단순 흉부 방사선 사진 판독에서 인공지능의 역할
: 세 가지 심층 신경망의 진단 정확도와 다중 사이트 평가
초록(抄錄)
딥러닝(DL) 신경망은 근래에 들어서야 폐결핵(TB) 환자들을 검진하고 분류하기 위한 단순 흉부 방사선 사진(CXR)을 판독하는데 도입되었다. 다중 딥러닝(DL) 체계와 인구를 비교한 연구 결과가 발간된 적 역시 없다. 우리는 네팔과 카메룬에서 흉부방사선 촬영 결과, 결핵과 관련된 이상 징후를 보이는 외래환자들을 대상으로 3개의 딥러닝 체계(CAD4TB, Lunit INSIGHT, 그리고 qXR)에 대한 회고적 평가를 진행했다.
총 1196명이 엑스퍼트(Xpert) MTB/RI의 효력 검증을 거쳤고 그들의 단순 흉부 방사선 사진(CXR)은 딥러닝(DL) 체계와 두 그룹으로 나누어진 방사선 전문의의 판독을 받았으며 딥러닝(DL) 체계는 하나의 참조 표준으로 사용했다. 세 가지 체계의 커브에서 도출된 지역은 매우 흡사했다 : Lunit (0.94, 95% CI: 0.93–0.96), qXR (0.94, 95% CI: 0.92–0.97) and CAD4TB (0.92, 95% CI: 0.90–0.95).
각 방사선 전문의의 민감성을 대등하게 조율했을 때 딥러닝(DL) 체계의 특이도는 한 사례를 제외하고 매우 높은 것으로 나타났다. DL체계 사용을 통한 CXRs의 판독은 Xpert MTB/RIF 테스트 필요성을 66퍼센트가량 감소시켰고 그에 반해 검사의 민감도는 95퍼센트 이상 유지되었다.
각 사이트에서 사용된 보편적 준거 점수는 각기 다른 성과를 낳았고, 결핵 검진을 받은 인구를 대상으로 한 점수 선정의 필요성을 강조하는 결과가 도출되었다. 인적자원의 제한이 있는 결핵 퇴치 프로그램에서 딥러닝(DL) 체계 도입을 고려해 볼 여지가 있으며, 딥러닝(DL) 체계를 사용할 경우 자동화 기술이 효율적 결과를 가져올 것으로 사료된다.
-원문기사보기