Posts by Master, Doctor Hoang Van Lan Duc – 방사선과 의사 –진단영상 및 핵의학과 – Vinmec Times City International Hospital.
최근 Computer in Biology and Medicine 저널에 발표된 연구에 따르면 인공 지능(AI)은 신장 결석이 아주 작은 경우에도 CT 스캔에서 신장 결석을 식별할 수 있음을 보여주었습니다.
터키 Turgut University Ozal의 Kadir Yildirim 박사가 이끄는 연구원들은 위치 감지 및 식별을 위한 딥 러닝 모델을 개발했습니다. 신장 결석 조영제 주입 없이 CT에서. 이 알고리즘은 테스트에서 96.8%의 정확도를 보였고 임상에 사용할 준비가 되었습니다.
“이 연구는 최근 인기 있는 인공 지능 접근 방식이 비뇨기과의 문제와 과제를 해결하는 데 사용될 수 있음을 보여줍니다.”라고 저자는 씁니다.
AI를 진단에 적용하고 CT 스캔에서 신장 결석이 누락되는 것을 방지하기 위해 연구원들은 거의 500명의 환자의 CT 이미지에서 딥 러닝 모델을 훈련하고 테스트했습니다. 이들 증례를 2개의 군으로 나누어 신장결석이 있는 환자군과 신장결석이 없는 군을 대조군으로 하였다.
영화에서 얻은 모든 이미지 CT 스캔 조영제 주입 없이 수평 위치(관상)의 이미지를 1799개 이미지로 재구성했습니다. 에는 신결석이 있는 환자의 790개 이미지와 신결석이 없는 환자의 1009개 이미지가 포함됩니다. 방사선과 전문의와 비뇨기과 전문의가 독립적으로 영상을 평가하고 신장 결석 유무에 관계없이 라벨을 붙입니다.
1799개의 이미지 중 1163개의 이미지는 알고리즘 학습에 사용되고 290개의 이미지는 검증에 사용되며 나머지 346개의 이미지는 모델 테스트에 사용됩니다.
테스트 이미지에서 알고리즘은 감도(Sensitivity) 95.7%, 특이도(Specificity) 97.7% 및 정확도(Accuracy) 96.8%의 결과를 제공합니다.
저자는 이 알고리즘이 작은 크기의 자갈도 식별할 수 있다는 점에 주목합니다. 신장 결석의 존재 여부를 결정하는 것 외에도 여러 다른 비뇨기 문제를 평가하는 데 사용할 수 있습니다.
그들은 “임상적으로 알고리즘으로 식별된 신장 결석은 동료 검토를 거쳐 대부분의 이미징에 대해 동의했습니다. 따라서 우리가 제안한 알고리즘은 정확하고 방사선 전문의가 신장 결석의 경우를 정확하게 감지하는 데 도움이 될 수 있습니다.”
물론 저자에 따르면, 본 연구는 표본이 적음(환자 500명 가까이), 데이터 수집이 한 센터에만 국한되어 있어 보편성이 높지 않다는 한계점이 있다. 새로운 이미지 평가는 수평면(관상)의 재구성된 이미지만을 기반으로 하며 가까운 장래에 수평(축), 수직(시상)과 같은 다른 섹션에 더 많이 배포할 예정입니다. 반면에 그들은 신장 결석의 크기가 알고리즘의 정확도에 영향을 미치는지 여부도 평가하고자 했습니다.
현재 Vinmec 의료 시스템은 진단 이미징에 인공 지능, 특히 진단에 Vinbrain의 DrAid 소프트웨어를 적용했습니다. 흉부 엑스레이. 가까운 장래에 AI가 연구되어 CT 필름에서 신장 결석을 식별하는 것과 같은 다른 많은 병리학 그룹에 적용될 수 있기를 바랍니다.
참조 소스 : DOI 참조 코드: 10.1016/j.compbiomed.2021.104569
