식도암 침습적 진단에서 인공지능의 역할

작성자: Mai Vien Phuong – 검사 및 내과 – Vinmec Central Park International General Hospital

현재, 기능적 확대 내시경 염색은 식도 편평 세포암의 조기 진단을 위한 임상적 방법이 되었습니다. 그러나 식도편평세포암의 조기진단에 있어 기능확대염색내시경의 정확도는 내시경 전문의의 경험과 자격에 한계가 있다. 인공 지능은 경험이 부족한 내시경 의사가 고급 알고리즘을 사용하여 의료 이미지를 지능적으로 분석하고 병변을 감지 및/또는 분류하고 진단 정확도를 향상하는 데 도움이 될 수 있습니다.

표재성 식도암과 침윤성 진행성 암을 98%의 정확도로 구별할 수 있습니다. 그런 다음 Cai 등은 심층 신경망(DNN)을 사용하는 새로운 CAD(Computer-Aided Diagnostic System)를 제안했습니다. 새로운 2센터 DNN-CAD 시스템 구축을 위해 746명의 환자로부터 2,428개(비정상 영상 1332개, 정상 영상 1096개)를 수집하였고, 52명의 환자로부터 187개 영상의 validation 데이터셋을 준비하였다. 모델 훈련에는 표준 WLI만 사용됩니다. DNN-CAD 모델은 초기 식도 편평 세포암의 91.4%를 탐지할 수 있었으며, 이는 고급 내시경 모델보다 높습니다. Ohmori et al은 이미지를 평가했습니다. 확대 내시경 확대 내시경이 아닌 [bao gồm WLI và NBI / Blue Laser Imaging (BLI)] CNN 기반 Single-Shot Multibox Detector(SSD)를 사용하여 식도 편평 세포 암종을 식별합니다. 확대 내시경, 비확대 내시경 + WLI 및 비확대 내시경 + NBI/BLI의 정확도는 각각 높은 SEN 및 중간 SPE, 77%, 81% 및 77%였습니다.

이 연구는 인공지능과 숙련된 내시경 전문의 사이에 진단 성능에 큰 차이가 없음을 보여주었습니다. 진단 내시경 Zhao 등은 검출을 개선하기 위해 점막 내 모세관 고리의 자동 분류 가능성을 평가하기 위해 또 다른 CAD 모델을 수행했습니다. 편평 세포 암종 위. 확대된 내시경 이미지 – NBI를 수집하고 이미지 분할을 위해 이중 레이블이 있는 전체 복잡한 네트워크를 개발했습니다. 본 연구에서는 상급 관찰자의 진단 정확도가 중급 관찰자의 진단 정확도보다 훨씬 높은 것으로 나타났습니다. 이 모델이 점막내 모세혈관 고리 A, B1, B2 병변을 감별하였을 때 병변 등급과 화소화의 정확도는 각각 89.2%와 93%에 달하였다. 구체적으로, 모델은 임상의(71.5% 대 28.2%-64.9%)보다 A형 점막내 모세혈관 고리에 더 민감하여 불필요한 급진적 치료를 피할 수 있었습니다. Everson et al.에 의해 수행된 또 다른 연구에서 17명의 환자로부터 총 7046개의 순차적 NBI 확대 내시경 HD 이미지가 CNN 훈련에 사용되었습니다. 점막내 모세관 고리 샘플도 JES 분류에 따라 분류되었습니다. 이 CNN은 93.7%의 정확도로 정상 점막 내 모세관 고리 패턴과 이상을 구별합니다.

내시경 시스템은 표재성 상피 세포의 시각화를 위해 메틸렌 블루로 염색할 수 있는 확대 내시경을 제공합니다. 식도암 S의 광학 배율은 500배이며 비디오 프로세서에서 디지털 배율을 사용하여 900배까지 늘릴 수 있습니다. Kumagai 등은 GoogLeNet 기반의 CNN 기반 인공지능 시스템을 사용하고 4715개의 식도암 S 영상(악성 영상 1141개, 비악성 영상 3574개)을 학습하여 식도암 영상을 통한 식도 편평세포암 진단을 하였다. 55명의 연속 환자(27명의 식도 편평 세포 암종 및 28명의 양성 식도 병변)로부터 수집된 1520개의 독립적인 이미지 세트를 테스트했습니다. 인공 지능은 27개의 식도 편평 세포 암종 중 25개를 전체 SEN 92.6%, SPE 89.3%, 전체 정확도 90.9%로 정확하게 진단했습니다.

Nakagawa 등은 식도 편평세포암의 침습적 진단을 시행하여 점막내 모세혈관 고리 패턴을 결정하는 것이 아니라 CNN-SSD 아키텍처를 기반으로 하는 딥 러닝 기술 시스템을 사용하여 암 침윤 깊이를 예측했습니다. 모든 확대된 비내시경 및 내시경 이미지에 대해 점막/점막하 미세침습(EP/SM1)과 심층 침윤성 암(SM2/3)을 정확하게 구별하는 시스템의 능력은 성능과 함께 각각 91%, 92.9% 및 89.7%였습니다. 숙련된 내시경 전문의와 비교할 수 있습니다.

Tokai et al.의 연구에서 인공 지능이 식도 편평 세포 암종의 침윤 깊이를 측정하는 능력이 입증되었습니다. 그들은 WLI와 NBI가 일본 암 연구소 병원에서 얻은 1751개의 식도 편평 세포 암 훈련 이미지를 수집하고 CNN-SSD 진단 시스템을 개발했습니다. 획득한 확대 이미지는 제외되었습니다. 그런 다음, 병리학적 소견으로 확인된 55명의 환자로부터 291개의 실험실 이미지를 사용하여 13명의 보드 인증 내시경 의사와 인공 지능 시스템을 비교했습니다. 인공지능 시스템은 테스트 영상에서 식도편평세포암을 10초 만에 95.5% 검출했고, SEN 84.1%, 정확도 80.9%로 6초 만에 식도편평세포암의 침윤 깊이를 정확하게 추정했다. 이 시스템의 정확도 점수는 내시경 의사 13명 중 12명을 넘었고 AUC는 모든 내시경 의사의 AUC보다 높았다. 인공 지능 시스템이 식도 편평 세포 암종 진단 및 침윤 깊이 측정에 사용될 가능성이 있음을 보여줍니다.

참고문헌

• Liu Y. 인공 지능 보조 내시경 초기 단계의 식도 종양 감지: 다음 단계는? 월드 J 위장 엔테롤 2021년; 27(14): 1392-1405 [DOI: 10.3748/wjg.v27.i14.1392].
• Thrumurthy SG, Chaudry MA, Thrumurthy SSD, Mughal M. 식도암: 위험, 예방 및 진단. 비엠제이 . 2019년; 366 : l4373. [ PubMed ] [ DOI ]
• Merkow RP, Bilimoria KY, Keswani RN, Chung J, Sherman KL, Knab LM, Posner MC, Bentrem DJ. 치료 경향, 림프절 전이 위험 및 국소 식도암의 결과. J Natl Cancer Inst . 2014년; 106 . [ PubMed ] [ DOI ]
• Liu Y. 인공 지능 보조 내시경 초기 단계의 식도 종양 감지: 다음 단계는? 월드 J 위장 엔테롤 2021년; 27(14): 1392-1405 [DOI: 10.3748/wjg.v27.i14.1392]