조기식도암 인공지능 내시경 – 다음 단계는?

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

식도암(EC)은 위장관의 흔한 악성종양이며 식도 내막의 상피에서 시작됩니다. 초기 식도암 병변은 내시경 치료로 완치될 수 있으며 치료 효과는 수술에 필적하는 것으로 확인되었다. 상부 위장관 내시경은 식도암 진단의 표준으로 남아 있습니다.

Guo 등은 병변의 실시간 자동 진단을 수행할 수 있는 SegNet 아키텍처를 기반으로 하는 새로운 컴퓨터 지원 진단 시스템을 개발했습니다. 전암 그리고 편평 세포 암종 그렇지 않은 상태의 초기 식도 확대 내시경 그리고 확대 내시경. 중국, 미국, 인도 등 3개국 4개 의료기관의 데이터를 수집해 새로운 컴퓨터 지원 진단 시스템 모델 훈련에 활용했다. 스틸 이미지와 실시간 비디오를 포함한 원발성 및 비암성 식도 편평 세포암의 4가지 데이터 세트를 사용하여 효과를 확인했습니다. 시스템의 SEN 및 SPE는 스틸 이미지에 대해 각각 98.04% 및 95.03%입니다. 27개의 비확대 영상에서 프레임당 SEN과 병변당 SEN은 각각 60.8%와 100%였습니다. 20개의 확대 영상에서 프레임당 SEN과 병변당 SEN은 각각 96.1%와 100%였다. 변경되지 않은 전체 범위의 정상 식도 비디오에는 33개의 비디오가 포함되었습니다(프레임당 SPE 99.9%, 케이스당 SPE 90.9%).

다른 다기관, 사례 통제, 진단 연구에서 Luo et al은 진단 시스템을 개발하고 검증했습니다. 인공 지능 위장관(GR 인공지능 DS)은 임상 내시경 영상 데이터 분석을 통해 상부 위장관암을 진단한다. 중국의 상부위장관암 내시경 진단 경험이 다른 6개 병원이 연구에 참여했다. 조기 식도암에 대한 보다 자세한 데이터가 기대됩니다. 식도암의 실시간 조기 발견에 대한 최신 연구 결과는 Fukuda et al. 그들은 병리학적으로 확인된 표재성 식도 편평 세포 암종 1544건의 이미지 23746개와 비암성 사례 및 정상 조직의 4587건 이미지를 사용하여 모델을 구축했습니다.CNN-SSD deep.

기술 NBI 또는 BLI를 사용하여 144명의 환자에 대한 5-9초 비디오 클립을 검증 데이터 세트로 수집했습니다. SEN, SPE, 인공지능 정확도는 각각 86%, 89%, 88%, 전문가는 74%, 76%, 75%였다. 이것은 실시간 임상 환경에서 식도암 병변을 탐지하기 위한 더 나은 모델의 개발을 위한 길을 닦는 중요한 연구이지만, 식도암 병변을 탐지하기 위해서는 무작위 전향적 임상 시험이 필요합니다. 일본의 또 다른 연구팀은 식도 편평 세포암의 침윤 깊이를 계산하는 인공 지능 시스템을 개발했습니다. 내시경 영상 및 정지영상에서 병리학적으로 입증된 식도 편평세포암의 WLI 및 NBI/BLI 영상을 포함하여 총 23977개의 영상이 단일 볼륨 학습 데이터로 수집되었습니다. 식도 편평 세포 암종의 102개 비디오 이미지에 대한 독립적인 검증 데이터 세트가 연구에서 수행되었습니다. 두 가지 유형의 비디오, 즉 WLI를 사용한 비확대 내시경과 4-12초의 NBI/BLI를 사용한 확대 내시경이 포함되었습니다. CNN 모델을 내시경 분야의 전문가 14명과 비교했다. 인공 지능을 위한 정확도, SEN 및 SPE 성능은 두 비디오 유형 모두에서 전문가 성능을 능가합니다. 인공지능 모델은 식도 편평세포암의 침윤 깊이를 실시간으로 측정하는데 효과적인 것으로 결론지었다.

바렛의 식도 식도 선암의 전구체입니다. 식도 선암의 유병률이 급격히 증가하고 있으며 진행된 경우의 예후는 좋지 않습니다. 그러나 내시경적 방법으로 신속하게 치료할 수 있는 경우를 조기에 발견하면 완치 가능성이 있습니다. 내시경 검사로 종양을 조기에 발견하기 어렵기 때문에 초기 병변을 놓치는 경우가 많습니다. Barrett 종양은 일반적으로 처음에는 편평하며 점막의 색상과 질감에 약간의 변화만 있기 때문입니다. 이러한 변화는 전문가들이 만든 HD-WLI에서 확인할 수 있다. 그러나 많은 일반 내시경 전문의들은 진행성 종양 형성률이 낮기 때문에(<1%/환자년) 초기에 형성되는 바렛 종양을 거의 경험하지 않아 내시경적 형태에 익숙하지 않고 병변을 인식할 수 없습니다. 식도 선암 검진을 개선하고 SEN과 검사 속도를 높이려면 인공 지능 보조 내시경이 큰 가치가 있습니다. 또한 어려움과 고민에 빠진 내시경 전문의에게 초기 병변을 놓치지 않도록 편의를 제공할 수도 있습니다.

식도 선암의 진단

2013년 van der Sommen 등은 HD 내시경 영상, 컬러 히스토그램 및 통계 자료를 이용하여 식도 선암의 조기 암 발견을 위한 SVM 알고리즘을 처음 제안했습니다. 0.992의 AUC. 그런 다음 그들은 임상 검증을 통해 시스템이 0.95의 재현율과 0.75의 정확도로 38개의 병변에서 36개의 병변을 감지했음을 발견했습니다. 2016년 van der Sommen과 동료들은 특정 질감, 색상 필터 및 기계 학습을 사용하여 암 병변을 감지하는 컴퓨터 알고리즘(자동 이미지 인식 시스템)을 테스트했습니다. 모든 이미지는 인식 품질이 높습니다. 알고리즘은 Barrett 식도 환자 44명의 내시경 이미지 100장을 사용하여 개발 및 테스트되었습니다. 원발성 종양 병변은 SEN 및 SPE가 0.83인 이미지별 분석에서 확인되었습니다. 환자 수준에서 시스템의 SEN과 SPE는 각각 0.86과 0.87이었다. Swager 등은 2017년에 직접 조직학적으로 상관된 체적 레이저 내시경(VLE) 이미징을 기반으로 한 첫 번째 연구를 수행하여 Barrett의 식도에 대해 임상적으로 영감을 받은 컴퓨터 알고리즘을 개발했습니다. VLE는 현미경에 가까운 해상도로 최대 3mm 깊이의 식도벽을 스캔할 수 있는 고급 이미징 시스템입니다. 총 60개의 고품질 생체 외 VLE 이미지 비이형성 Barrett 식도 이미지 30개와 HGD/식도 선암종 이미지 30개를 포함하여 VLE 조직학적 상관 관계 데이터베이스가 연구에 사용되었습니다.

“분류 통계 및 신호 감쇠” 기능의 알고리즘

“분류 통계 및 신호 감쇠” 기능의 알고리즘은 Barrett의 식도(AUC = 0.95)를 감지하는 데 우수한 성능을 보여 주므로 내시경 의사가 VLE에서 조기 종양을 감지하는 데 도움이 될 수 있습니다. Van der Sommen et al은 또한 새로운 컴퓨터 지원 진단 시스템 방법의 성능을 두 VLE 전문가의 정확도 분류와 비교했으며, AUC 0.81에 비해 머신 러닝 접근 방식의 경우 최대 AUC 범위는 0.90 -0.93입니다. 의료 전문가를 위해. Horie 등은 식도 선암종에 대한 CNN의 진단 정확도가 90%(19/21)임을 입증했습니다. 식도 선암의 4개 병변이 누락되었는데, 이는 아마도 식도 선암에 대한 부적절한 교육 영상 때문일 수 있습니다. 연구에는 8개만 사용되었습니다.

식도 선암의 침습 깊이 진단

일부 연구에서는 깊은 점막하 침윤이 있는 식도 선암을 치료하기 위해 항상 수술을 사용해야 하는지에 대해 의문을 제기합니다. 그러나 침윤의 깊이는 전이의 가장 큰 위험 요소 중 하나 이상이라는 것이 인정됩니다. “식도 선암의 침윤 깊이/침윤 깊이”와 관련된 검색 결과, 게재된 논문이 없습니다. 다행스럽게도 위암과 대장암에 대한 인공지능 침투 깊이 측정에 대한 연구가 발표되어 암 침투 깊이에 대한 연구에서 배울 가치가 있습니다.식도선 상피. Zhu et al.의 연구에서 총 790개의 WLI가 개발 데이터 세트로 사용되었고 또 다른 203개의 이미지가 실험 데이터 세트로 사용되었으며 CNN 시스템(새로운 컴퓨터 지원 진단 시스템)은 ResNet50에서 개발되어 다음을 결정하는 데 사용되었습니다. 위암의 침윤 깊이. 컷오프 값 0.5에서 SEN은 76.47%, SPE는 95.56%, 전체 정확도는 89.16%였습니다. 인공 지능 시스템은 인간의 내시경보다 훨씬 더 높은 정확도를 달성합니다.

인공 지능 기반의 새로운 컴퓨터 지원 진단 시스템이 Barrett의 식도 평가 품질을 향상시키는 것으로 나타났습니다.

새로운 AI 기반 컴퓨터 지원 진단 시스템은 특히 비전문가 내시경 의사를 위해 Barrett의 식도의 질을 향상시키는 것으로 나타났습니다. 2019년에 Trindade 등은 Barrett의 식도 내시경 감시를 위한 지능형 실시간 이미지 분할이라는 인공 지능 소프트웨어를 보고했습니다. 지능형 실시간 이미지 분할은 조직학적 이형성과 관련된 이전에 확립된 세 가지 VLE 기능을 식별하고 이미지 VLE에 겹쳐진 다른 팔레트를 사용하여 시각화했습니다. 인공 지능 시스템을 추가로 검증하기 위해 다기관 무작위 통제 시험(NCT03814824)이 진행 중입니다. 다른 연구에서 de Groof 등은 직장 내시경 검사 중 Barrett의 암을 감지하는 데 있어 새로운 컴퓨터 지원 진단 시스템의 예비 진단 정확도를 평가했습니다. 실험실 데이터 세트에는 비경련성 Barrett 식도 환자 10명과 Barrett 암이 확인된 환자 10명의 직접 내시경 절차가 포함되었습니다. Barrett 분절의 각 2cm 수준에서 WLI를 수집하고 분석했습니다. 새로운 컴퓨터 보조 진단 시스템의 정확도, SEN 및 SPE는 각각 90%, 91% 및 89%입니다. 이러한 결과는 새로운 컴퓨터 지원 진단 시스템이 더 큰 다기관 시험에서 테스트할 준비가 되었음을 시사합니다.

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].
• 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]