핀란드 동부대학교의 연구자들이 유방촬영 밀도 평가를 개선하기 위한 새로운 인공지능 기반 알고리즘인 MV-DEFEAT를 개발함. 이 개발은 보다 정확한 진단을 가능하게 하여 방사선학적 관행을 혁신할 가능성을 지님.
높은 유방 조직 밀도는 유방암 위험 증가와 관련이 있으며, 유방 조직 밀도는 유방촬영에서 추정할 수 있음. 유방촬영의 정확한 평가는 효과적인 유방암 검진에 매우 중요하지만, 방사선 평가의 변동성과 전 세계적으로 방사선 전문의 부족 등의 문제로 인해 이러한 노력이 복잡해짐. MV-DEFEAT 알고리즘은 여러 유방촬영 영상을 동시에 평가하는 딥러닝 기법을 통합하여 이러한 문제를 해결하고자 함.
AI 암 연구팀은 박사 연구원 Gudhe Raju, 교수 Arto Mannermaa, 선임 연구원 Hamid Behravan으로 구성됨. 이번 연구에서는 혁신적인 다중 뷰 딥 증거 융합 접근 방식을 사용함. 이 방법은 Dempster-Shafer 증거 이론과 주관적 논리를 활용하여 여러 뷰에서 유방촬영 이미지를 평가하여 보다 포괄적인 분석을 제공함.
MV-DEFEAT는 기존 접근 방식에 비해 놀라운 개선을 보임. 유방촬영에서 밀도와 밀집된 유방 조직의 분포를 자동으로 신뢰성 있게 정량화하여 유방촬영 스크리닝의 정확성을 크게 향상시킴. 예를 들어, 10,000개 이상의 유방촬영으로 구성된 공개 VinDr-Mammo 데이터셋에서 알고리즘은 기존 다중 뷰 접근 방식에 비해 양성 및 악성 종양을 구별하는 데 50.78%의 인상적인 개선을 달성함.
흥미롭게도, 알고리즘의 효과는 다양한 데이터셋에서도 지속되며, 다양한 환자 인구에 적응할 수 있는 강력한 성능을 반영함. 연구팀은 네 개의 오픈 소스 데이터셋에서 방대한 데이터를 활용하여 알고리즘의 적용 가능성과 정확성을 높임. 이러한 능력은 의료 진단에서 AI 기반 접근 방식의 중요성을 강조함. 또한 MV-DEFEAT는 유방암 스크리닝에 크게 기여하지만, 핀란드 동부대학교 팀은 알고리즘의 신뢰성과 효능을 보장하기 위해 지속적인 개선과 검증이 필요하다고 강조함.
이러한 유망한 결과는 AI가 진단 과정을 향상시키는 데 사용될 수 있는 길을 열어주며, 유방암 치료에서 조기 발견과 더 나은 환자 결과로 이어질 가능성이 있음.
MV-DEFEAT와 같은 AI를 임상 실습에 완전히 통합하기 위해서는 철저한 테스트와 검증을 통해 의료 전문가들 간의 신뢰를 구축하는 것이 중요함. 실제로 우리의 다음 단계는 MV-DEFEAT를 핀란드에서 유방암 진단을 위한 신뢰할 수 있는 도구로 확립하기 위한 추가 검증 연구를 포함함.
/cdn.vox-cdn.com/uploads/chorus_asset/file/25584525/2166080531.jpg)