LMU, TU 베를린, 샤리테의 연구자들이 이미징 데이터를 사용하여 위장관의 덜 흔한 질환을 탐지하는 새로운 AI 도구를 개발함.
AI는 이미 많은 의학 분야에서 사용되고 있으며, 이미징 데이터를 통해 의사들이 질병을 진단하는 데 큰 잠재력을 가지고 있음. 그러나 AI 모델은 일반적으로 흔한 질병에 대해서만 충분한 양의 예시로 훈련되어야 함.
마치 가정의사가 기침, 콧물, 인후통만 진단해야 하는 것과 같음. 실제 도전은 현재 AI 모델이 종종 간과하거나 잘못 분류하는 덜 흔한 질병을 탐지하는 것임.
LMU 병리학 연구소의 프레드릭 클라우센 교수는 TU 베를린/BIFOLD의 클라우스-로버트 뮐러 교수와 샤리테 - 베를린 대학교의 동료들과 함께 이 한계를 극복하는 새로운 접근 방식을 개발함. 과학자들은 NEJM AI 저널에 보고한 바와 같이, 그들의 새로운 모델은 흔한 발견에서 훈련 데이터를 필요로 하여 덜 흔한 질병도 신뢰성 있게 탐지할 수 있음. 이는 진단 정확성을 크게 향상시키고 향후 병리학자들의 업무 부담을 덜어줄 수 있음.
새로운 접근 방식은 이상 탐지에 기반함. 모델은 정상 조직과 흔한 질병의 발견을 매우 정밀하게 특성화하여, 이러한 덜 흔한 사례에 대해 특별히 훈련받지 않고도 편차를 인식하고 표시하는 방법을 배움. 연구자들은 위장 생검의 조직 절편에 대한 미세 이미지의 두 개의 대규모 데이터 세트를 수집함. 이 데이터 세트에서 가장 흔한 발견 10개 - 정상 발견 및 만성 위염과 같은 흔한 질병 포함 -이 약 90%의 사례를 차지하며, 나머지 10%는 56개의 질병 개체를 포함함.
모델의 훈련 및 평가를 위해 연구자들은 5,423개의 사례에서 총 1,700만 개의 조직학적 이미지를 사용함. "우리는 다양한 기술적 접근 방식을 비교했으며, 우리의 최상의 모델은 위와 대장의 덜 흔한 병리학을 높은 신뢰도로 탐지함. 우리가 아는 한, 다른 어떤 발표된 AI 도구도 이를 수행할 수 없음,"이라고 뮐러는 말함. 또한 AI는 열지도(heatmap)를 사용하여 조직 절편에서 이상 위치를 색상으로 표시할 수 있음.
정상 발견과 흔한 질병을 식별하고 이상을 탐지함으로써, 시간이 지남에 따라 더욱 개선될 새로운 AI 모델은 의사들에게 중요한 지원을 제공할 수 있음. 비록 확인된 질병은 여전히 병리학자에 의해 확인되어야 하지만, "의사들은 많은 시간을 절약할 수 있음, 왜냐하면 정상 발견과 특정 비율의 질병은 AI에 의해 자동으로 진단될 수 있음. 이는 약 4분의 1에서 3분의 1의 사례에 해당함,"이라고 클라우센은 말함. "그리고 나머지 사례에서는 AI가 사례 우선 순위를 정하고 놓친 진단을 줄이는 데 도움을 줄 수 있음. 이는 엄청난 진전을 의미함.
