작성자: Mai Vien Phuong – 검사 및 내과 – Vinmec Central Park International General Hospital
인공 지능(AI), 특히 딥 러닝 모델링은 대장 내시경 분야에서 유망한 혁신입니다. 최근 연구에 따르면 AI는 결장직장 용종을 감지하는 데 정확할 뿐만 아니라 누락률도 줄일 수 있습니다. 그러나 실시간 탐지에 AI를 적용하는 것은 AI 모델과 연구 설계의 이질성과 지속적인 결과의 부족으로 인해 방해를 받았습니다.
1. 대장용종 진단에 사용되는 인공지능 시스템
인공지능(AI)은 1950년대 초반부터 의료 분야에 적용되어 왔으며, 인공지능은 문제 해결이나 학습 등 인간을 모방한 인지 기능을 가진 모든 기계로 정의됩니다. AI의 하위 유형인 기계 학습 모델은 데이터의 패턴을 자동으로 감지한 다음 감지되지 않은 패턴을 사용하여 결과를 예측할 수 있는 일련의 방법이 특징입니다. 기존 AI 시스템은 일종의 지도 머신 러닝 모델을 사용하여 패턴 인식 또는 분류를 달성하기 위해 훈련 데이터의 공변량을 추출합니다. 환자 표현에 제공되는 각 정보를 공변량이라고 하며 로지스틱 회귀와 같은 기존 기계 학습은 결과와 “미리 결정된 이벤트”의 관계만 조사한다는 점에 유의하는 것이 중요합니다. 그러나 기계 학습 모델은 공변량이 결정되는 방식을 변경할 수 없습니다. 딥 러닝 모델은 실제로 공변량을 식별하고 단순한 공변량으로부터 복잡한 개념을 구축함으로써 이 문제를 해결합니다. 이는 유사한 개체 그룹의 특성이 복잡하고 인간이 정의하기 어려울 수 있기 때문에 이미지 분류 및 개체 배치에 특히 유용합니다(그림 1 ).
2. 인공 지능 시스템은 폴립 누락을 방지하기 위해 기관지경을 빼야 하는 시간과 속도를 의사에게 상기시키는 기능을 가지고 있습니다.
용종 탐지기 시스템 외에도 Gong 등은 기관지경 후퇴 속도를 실시간으로 모니터링하고 철회 중 사각 지대를 최소화하는 CADe 시스템을 보고했습니다. 그들의 연구에 따르면 ADR도 CADe 시스템을 사용하여 8%에서 16%(P = 0.001)로 향상되었습니다. 유사하게, Su 등은 대장 용종 및 샘종의 검출을 위한 자동화된 품질 관리 시스템을 보고했으며, 이는 내시경 의사에게 철회 시기와 속도를 상기시키고 폴립 탐지기 시스템에서 불분명한 결장 분절의 필요성을 다시 확인해야 함을 상기시킵니다. 시스템은 ADR보다 훨씬 높은 것으로 나타났습니다. 대장내시경 정상(28.9% 대 16.5%, P < 0.001).
저자의 메타 분석이 출판된 후 새로 사용 가능한 RCT를 고려하여 저자는 최신 예상 RCT의 결과를 새로운 메타 분석에 요약했습니다. 6개의 무작위 대조 연구에 대한 이 메타 분석에서 ADR 개선에 대한 복합 OR은 이질성을 포함하는 무작위 효과 모델에서 1.91(95% CI: 1.51-2.41)이었습니다. I 2 = 63%(그림 2). 따라서 기존 AI 모델이 ADR을 90%까지 증가시킬 수 있음을 보여주는 무작위 대조 시험의 설득력 있는 데이터가 있습니다.
3. 누락된 폴립에서 AI의 역할
탐지를 향상시키는 역할 외에도 대장 용종, AI가 대장 내시경 검사 중 놓친 병변을 최소화하는 데 도움이 될 수 있음을 시사하는 새로운 데이터가 있습니다. 저자의 최근 연구에서 저자는 검증된 실시간 딥 러닝 AI 모델이 내시경 의사가 누락된 결장직장 병변을 예방하는 데 도움이 될 수 있음을 보여주었습니다. 첫째, 저자는 검증된 AI 시스템을 적용하여 근위 결장(맹장에서 비장 굴곡까지)의 병렬 검사에 대한 65개의 비디오를 검토하고 AI 시스템이 감지할 수 있음을 발견했습니다. 첫 노동. 테스트. 전향적 연구의 두 번째 부분에서는 동일한 딥 러닝 AI 모델이 실시간 스크리닝 동안 환자의 26.9%에서 누락된 샘종을 감지할 수 있었습니다. 다변수 분석에서 누락된 샘종은 대장내시경 검사(보정 OR, 1.05) 또는 경험이 적은 내시경 검사(교정 OR, 1.30) 중 여러 폴립 발견과 관련이 있었습니다.
Wang et al의 최근 단일 센터 무작위 대조 연구에서도 CADe 보조 대장 내시경을 사용하면 AMR을 40.0%에서 14.0%로 줄일 수 있음이 나타났습니다. 특히, 상행 결장, 외측 결장 및 하행 결장의 상당한 개선이 있었습니다. 그러나 이 무작위 대조 연구(최대 40%)의 AMR은 이전에 보고된 것보다 훨씬 높았습니다. 따라서 이 결과를 확인하려면 다기관 시험이 여전히 필요합니다.
AI는 내시경 의사에게 추가적인 ‘눈’ 역할을 할 수 있습니다.
누락된 병변을 줄이는 데 AI의 역할을 지원하는 동안 이러한 결과는 병변의 거의 80%가 누락된 선종의 주요 원인이 여전히 인적 요인에 기인할 수 있음을 시사합니다. 경험 부족, 피로 또는 주의 산만과 같은 다양한 이유로 내시경 의사에게 따라서 AI는 주의 산만과 피로가 전혀 발생하지 않는 내시경 의사에게 추가적인 “눈” 역할을 할 수 있습니다.
그러나 저자의 연구에 따르면 놓친 샘종의 약 20%는 AI에 의해 감지되지 않고 남아 있습니다. 이러한 놓친 병변은 일반적으로 “화면에서” 볼 수 없습니다. 그들은 접힌 뒤에 위치하거나 배변 준비가 좋지 않은 환자의 대변 아래에서 구부리거나 숨기기 어려운 위치에 있습니다. 43건의 연구와 15,000건의 병행 대장 내시경을 포함하는 Zhao et al의 최근 메타 분석에서 보조 기술의 사용과 좋은 장 준비는 누락된 샘종 감소와 관련이 있었습니다. 직관적으로, 대장 내시경 검사 중 대장 내시경 검사를 놓칠 위험을 완전히 없애기 위해서는 인공 지능과 보조 장치와 만족스러운 장 준비가 필요할 수 있습니다.
폴립의 조직병리학적 특성 평가에 인공지능 활용
결장직장 폴립을 감지하는 것 외에도 AI는 여러 연구에서 조직학적 예측 및 폴립 식별에서도 정확한 것으로 나타났습니다. 잠재적인 선택 편향과 함께 알고리즘과 디자인의 높은 수준의 이질성에도 불구하고 딥 러닝 모델을 기반으로 사용하는 연구는 다른 유형의 알고리즘을 사용하지 않는 연구보다 종종 더 나은 성과를 보입니다. Byrne et al.의 연구에 따르면 딥 러닝 모델을 사용하면 실시간 폴립 분류에서 94%의 정확도를 달성할 수 있습니다. 확대 대장 내시경을 사용한 한 연구와 영상 기술로 협대역 영상을 사용한 두 연구에서 유사한 결과가 재현되었습니다. 저자의 최근 메타 분석은 조직학적 특성에서 협대역 영상 연구의 합성 정확도가 비협대역 영상 연구보다 일반적으로 더 우수함을 보여주었습니다.
4. 앞으로의 한계와 방향
대장 내시경 검사 중 실시간 폴립 검출에 AI 사용을 지원하는 유망한 잠재적 시험이 이미 있지만 AI를 배치하기 전에 해결해야 하는 몇 가지 문제가 일상적인 임상 실습에서 보고되었습니다. AI 알고리즘과 딥 러닝 모델은 여전히 진화하고 있고 다른 모델과 훈련 데이터 사이에는 상당한 이질성이 있기 때문에 각 모델에 대해 독립적인 잠재적 검증이 필요합니다.AI 시스템. 유럽소화기학회(European Society of Gastroenterology)에서 발행한 최신 지침에서는 고품질의 다기관 임상 연구에서 입증된 바와 같이 대장내시경에 컴퓨터 지원 진단(병변 감지 및 특성화)을 통합할 수 있는 능력이 결장직장암에 대해 수용 가능하고 재현 가능한 정확도로 뒷받침되어야 한다고 제안합니다. 대장 내시경에서 AI의 사용과 관련된 또 다른 중요한 질문은 장기적인 임상 결과에 대한 실제 영향입니다. AI 보조 대장 내시경의 사용이 PCCRC의 발병률을 감소시킬 수 있는지 또는 해결하기 위해 장기간의 전향적 코호트 연구가 필요할 것인 대장 내시경 후 현재 권장되는 추적 관찰 간격을 연장할 수 있는지 여부는 불분명합니다.
대장 내시경에서 AI의 현재 역할은 실시간 대장 내시경 중 내시경 의사의 가상 조수 역할을 할 수 있습니다
대장 내시경에서 AI의 현재 역할은 특히 금단 시간을 모니터링하고 폴립을 감지하는 실시간 대장 내시경 동안 내시경 의사의 가상 조수 역할을 할 수 있습니다. 완전 자동화된 독립형 대장 내시경 시스템의 전망은 아직 이 단계에서 너무 이르다. 또한 AI 알고리즘, 특히 딥 러닝 모델의 “블랙박스” 특성으로 인해 규제 기관이 정기적으로 사용하도록 승인하도록 설득하는 데 상당한 노력이 필요할 수 있습니다. AI 시스템 제조업체와 관련된 책임 및 보상 문제도 해결해야 합니다. 따라서 인공 지능 보조 대장 내시경의 채택이 일상적인 관행에 널리 보급되기까지는 여전히 극복해야 할 중대한 장애물이 있습니다.
끝내다
외부에서 검증된 AI 시스템은 실시간 대장 내시경 검사에서 샘종의 검출을 높이고 누락된 병변을 최소화할 수 있는 유망한 솔루션 중 하나가 될 수 있습니다. 그러나 보완 장치 및 최적의 장 준비와 같은 적절한 점막 접촉을 보장하는 수단도 매일 대장 내시경 실습에서 폴립 누락률을 줄이는 데 중요합니다. PCCRC를 감소시키는 이 새로운 기술의 실제 임상적 이점을 결정하기 위해서는 장기 데이터도 필요합니다.
참고문헌
Lui TKL, Leung WK. 대장내시경에서 놓친 용종, 인공지능이 최후의 답일까? 월드 J 위장 엔테롤 2020년; 26(35): 5248-5255 [PMID: 32994685 DOI: 10.3748/wjg.v26.i35.5248]
