AI 기반 MRI 분석이 전립선암 예후에 대한 새로운 통찰력을 제공하며, 전이 위험과 치료 결과를 정확하게 예측하여 환자 치료를 개선할 수 있음.
최근 Radiology에 발표된 연구에서 연구자들은 인공지능(AI) 기반 자기공명영상(MRI) 데이터를 사용하여 전립선 내 종양 부피를 측정함으로써 방사선 치료나 수술을 받은 전립선암 환자들의 예후를 예측할 수 있는지를 조사함.
MRI의 발전은 전립선암 탐지 및 진단을 혁신적으로 변화시킴.
다중 파라미터 MRI는 여러 MRI 기술을 결합하여 내부 해부학의 상세한 이미지를 생성함. 이 이미징 기술은 심각한 사례의 탐지를 개선하고 중요하지 않은 질병의 탐지율을 최소화하여 전립선암 관리에 혁신을 가져옴. MRI 유도 생검은 암 진단의 정확성을 크게 향상시킴.
MRI에서 관찰되는 다양한 전립선암 특징에는 전립선 이미징 보고 및 데이터 시스템(PI-RADS) 점수, 병변 점수, 방사선학적 T 단계가 포함됨. 이러한 특징을 분석하면 전립선암의 재발률을 나타낼 수 있지만, 이러한 특징의 평가는 관찰자에 따라 다를 수 있음. 다양한 종양 등급 시스템은 서로 다른 정확도와 관련이 있어 진단 일관성을 더욱 복잡하게 만듦.
AI의 사용은 MRI의 임상 가치를 향상시킬 수 있으며, 최근의 심층 학습 모델에 대한 연구는 종양을 윤곽짓는 데 있어 경험이 풍부한 방사선과 의사와 유사한 정확도 수준을 나타냄.
현재 연구는 AI 기반 접근 방식을 사용하여 종양 부피 계산이 방사선 치료나 수술을 받은 전립선암 환자에게 독립적인 예후 통찰력을 제공할 수 있는지를 확인하는 것을 목표로 함. 이 결과는 표준 MRI 평가에서 얻은 결과와 비교됨.
이 연구는 방사선 치료나 근치적 전립선 절제술을 받기 전에 MRI 스캔을 받은 전립선암 환자를 포함함. 환자 데이터는 의료 기록에서 수집되었으며, 임상, 병리학적 및 치료 정보를 포함함. 여기에는 PI-RADS 및 국가 종합 암 네트워크(NCCN) 점수에 따른 종양 분류가 포함됨.
생화학적 실패는 근치적 전립선 절제술이나 방사선 치료와 같은 치료 후 전립선 특이 항원(PSA) 수치의 증가를 의미함. 현재 연구에서 생화학적 실패는 방사선 치료의 경우 치료 후 최저 수치보다 최소 2 ng/mL 증가한 PSA 농도로 정의되며, 근치적 전립선 절제술의 경우 임상 진행 또는 PSA 증가가 최소 0.1 ng/mL인 경우로 정의됨.
참조 세그멘테이션은 비뇨기 방사선 종양학자가 수동으로 생성하였으며, PI-RADS 점수가 3에서 5인 병변과 같은 전립선 영역을 구분함.
AI 모델 nnU-Net은 다양한 MRI 시퀀스에서 전립선 영역과 종양을 구분하기 위해 훈련됨. 이 모델은 방사선 치료를 받은 환자들의 이미지 하위 그룹을 사용하여 검증된 후 방사선 치료 및 근치적 전립선 절제술 그룹의 이미지에서 테스트됨. AI 기반 종양 부피는 이후 수동 세그멘테이션을 위해 생성된 참조 부피와 비교됨.
통계 분석을 위해 교차 검증 및 테스트 방사선 치료 그룹 간의 기초 비교는 연속 변수 및 범주형 데이터에 대해 Wilcoxon 순위 합 및 Fisher의 정확 검정을 사용하여 수행됨. AI 모델의 종양 탐지 정확도를 평가하기 위해 민감도 및 양성 예측 값을 사용함.
연구 결과
AI 모델 nnU-Net에 의해 생성된 전립선 내 종양의 총 부피(VAI)는 방사선 치료나 근치적 전립선 절제술을 받은 국소 전립선암 환자의 예후를 예측하는 독립적이고 강력한 지표임. 실제로 AI가 예측한 부피는 전이 및 생화학적 실패와 유의미한 연관성을 보임.
방사선 치료 그룹의 경우, VAI는 전통적인 위험 그룹에 비해 7년 전이에 대한 예측 정확도가 더 높았음. 게다가 VAI가 제공하는 예후 정보는 수동 참조 세그멘테이션에서의 전립선 내 종양 부피와 유사하여 결과의 일관성과 환자 결과 예측 도구로서의 신뢰성을 나타냄. AI 알고리즘이 PI-RAD 점수가 5인 병변을 가끔 놓치긴 했지만, VAI는 임상적으로 중요한 질병 부담에 민감함.
VAI를 사용한 nnU-Net의 전이 예측 능력은 신생 유전체 또는 계산 병리학 바이오마커보다 동등하거나 더 나음. 따라서 이 AI 도구는 보다 개인화되거나 공격적인 치료 접근이 필요할 수 있는 환자를 식별하여 치료 계획을 개선할 수 있는 잠재력을 가짐.
결론
VAI는 근치적 전립선 절제술이나 방사선 치료를 받은 국소 전립선암 사례에서 예후를 예측하는 일관되고 유망한 접근 방식으로 보임.
