안녕하세요. 연구소 AI1T 유동훈입니다.
슬랙을 통해서 우리회사 제품이 이용된 논문을 간간히 소개해 드리고 있었는데, 이번에는 2024년 발표된 논문 중 주목할 만한 몇 가지를 다시 모아 정리해 보고자 합니다.
우리 회사 제품인 aview를 언급하고 있는 논문은 매해 증가하고 있습니다. 올해 집게된 2024년 발표 논문은 총 108건으로, 이는 2023년의 80건에 비해 큰 폭으로 증가한 수치입니다. 이러한 통계를 통해 aview가 전 세계적으로 널리 사용되고 있다는 사실을 실감할 수 있습니다.
아래는 2024년에 발표된 논문 중에서 선정한 다섯 가지 주요 사례입니다.
Feasibility of AI as First Reader in the 4-IN-THE-LUNG-RUN Lung Cancer Screening Trial: Impact on Negative-Misclassifications and Clinical Referral Rate
iDNA측에서 발표한 논문으로 4-IN-THE-LUNG-RUN 실험에서 AI 소프트웨어(AVIEW-LCS)를
First Reader로 사용하는 가능성을 평가했습니다. 이 연구는 AI와 Radiologist의 성능을 비교하여 음성 사례 식별과 임상 의뢰율에 미치는 영향을 분석했습니다. 3,678명의 참가자 중, AI는 31건(0.8%)의 음성 오분류(NM)를 기록하며 Radiologist의 407건(11.1%)보다 우수한 성능을 보였습니다. 또한 AI의 NM Referrel은 2.9%로 Radilologist의 11.8%보다 현저히 낮았습니다. AI는 진단 안전성을 유지하며
작업량을 71.2% 감소시킬 가능성을 보여주었습니다. 이 연구는 AI가 진단 워크플로우를 개선하고 방사선 전문의의 부담을 줄일 잠재력을 강조합니다. 여기에서 NM은 First reading에서 위음성 분류를 의미하고, NM Referrel은 최종 판독에서 위음성 분류를 의미합니다. 또한 위양성(PM)도 언급하고 있는데, AI는 5.7%로 Radiologist의 0.5%보다 높지만, 이로 인해 생기는 부하는 경미한 수준이라고 언급하면서도 추가적인 연구가 필요하다고 하고 있습니다.
Coronary calcium score and emphysema extent on different CT radiation dose protocols in lung cancer screening
Parma 대학 측에서 발표한 논문으로 폐암 스크리닝에서 저선량(LDCT) 및 초저선량(ULDCT) CT 스캔을 사용하여 관상동맥 석회화(CAC)와 폐기종을 자동으로 정량화하는 가능성을 조사했습니다. 361명의 참가자가 AVIEW 소프트웨어를 이용해 스캔을 받았으며,
CAC 측정은 LDCT와 ULDCT 간 일치도(ICC = 0.86)가 높고 중복도(84%)가 우수했습니다. 반면, **폐기종 측정은 중간 수준의 일치도(ICC = 0.57)**를 보였고, ULDCT에서 과대평가 경향이 관찰되었습니다. 연구 결과는 ULDCT가 CAC 정량화에 적합하다는 것을 보여주며, 저선량 폐암 스크리닝이 심혈관 예방으로 확장될 가능성을 시사합니다. 본 연구는 AVIEW CAC를 ULDCT에서도 적용이 가능하다는 것을 보이고 있습니다.
Comparison of AI software tools for automated detection, quantification and categorization of pulmonary nodules in the HANSE LCS trial
Nodule CAD를 siemens제품과 비교를 한 논문이고, HANSE 시범사업을 통해 연구된 내용입니다. 저자로 Claussen교수가 포함되어 있습니다. 이 연구는 HANSE 폐암 검진(LCS) 연구에서 AI 기반 소프트웨어 **Aview (Coreline Soft, 한국, S1)**와 ChestCTExplore (Siemens Healthineers, 독일, S2)를 비교하였습니다. 연구에서는 946건의 저선량 CT 스캔을 분석하고 AI 결과를 방사선과 전문의의 판독과 비교했다. 두 AI 도구 간의 진성 양성 결절 부피 상관관계(r > 0.95)는 높았지만,
S2가 S1보다 더 큰 부피를 측정하는 경향이 있었습니다.
S1은 S2보다 민감도(sensitivity), 양성 예측도(PPV), 방사선과 전문의의 최종 판독과의 일치도에서 더 우수한 성능을 보였습니다. 또한, Lung-RADS 분류에서도 S1이 75%의 일치율을 보인 반면, S2는 55%의 일치율을 기록하며 성능 차이가 뚜렷했습니다. 특히 38%의 참가자에서 AI 도구에 따라 Lung-RADS 점수가 달라졌으며, 이는 환자 치료 결정에 영향을 줄 수 있습니다. 연구는 AI 도구 간의 일관성 확보 및 방사선과 전문의의 감독이 필수적임을 강조하였습니다.
Artificial intelligence system for identification of overlooked lung metastasis in abdominopelvic computed tomography scans of patients with malignancy
Lung nodule CAD를 복부 CT에 적용하여 놓친 결절을 잘 찾는 것을 확인한 논문입니다. 저자에 이재연, 최부림 두 분이 포함되어 있습니다. 이 연구는 AI 시스템
AVIEW가 복부 CT에서 놓친 폐 전이 여부를 성공적으로 식별할 수 있음을 입증했습니다. AI는 AUC 0.911과 민감도 최대 92.3%를 보였습니다. FP가 27.6%를 보였으나, 방사선사 재검토를 통해 2.4~12.6%로 크게 줄일 수 있었습니다. AI를 판독보조도구(Second Reader)로 사용하면 진단 오류를 줄이고, 불필요한 재검토를 최소화할 수 있음을 보였습니다.
Development and multi-institutional validation of estimating forced vital capacity in pulmonary fibrosis using quantitative chest CT data
저널 논문은 아니고 RSNA2024에 발표한 학회논문입니다만, 장령우 대리가 주 저자로 작성한 논문입니다.
AVIEW lung texture 분석결과를 이용하여 FVC(노력형 폐활량)을 추정하는 방법에 관한 내용입니다. IPF환자와 non-IPF환자를 포함한 전체 데이터에서 0.68의 correlation coefficient를 가지고, non-IPF환자군에서 0.77 correlation coefficient를 가짐을 보여 영상만으로 진행 여부를 평가하는데 사용될 가능성을 보였습니다.
이상으로 2024년 발표된 논문 중에서 특히 주목할 만한 다섯 가지 사례를 소개해 드렸습니다. 올해도 AVIEW가 다양한 연구에서 활용되며 신뢰성과 성능을 인정받고 있다는 점이 인상적입니다. 특히 AI를 활용한 폐암 스크리닝, 심혈관 및 호흡기 질환 분석, 복부 CT 활용 등 여러 분야에서 유의미한 성과를 보이며 임상적 가치를 증명하고 있습니다.
앞으로도 우리 회사의 기술이 의료 현장에서 실질적인 가치를 제공할 수 있도록, 계속해서 연구와 협력을 이어 나갈 수 있게 모두 함께 노력했으면 합니다.
목록으로
