편평세포암 조기진단에서 인공지능의 역할

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

상부 위장관 내시경은 식도암 진단의 표준으로 남아 있습니다. 내시경 결과의 정확도는 검사자의 전문성에 크게 좌우됩니다. 식도암 조기검진에 인공지능(AI)을 적용해 이점을 보였다. 놀랍게도 경험이 적은 내시경 전문의보다 정확합니다. 이 논문은 편평 세포 암종과 선암종을 포함한 식도암의 내시경 조기 발견 분야에서 인공 지능의 적용을 평가하고 관련 발전을 설명합니다.

위암 위장관의 가장 흔한 악성 종양 중 하나이며 식도 점막 상피에서 시작됩니다. 2018년 전세계 식도암 발병률은 악성 종양 중 7위(6.3/100000), 사망률은 6위(5.5/100000)입니다. 식도암의 발병률과 패턴은 국가와 지역에 따라 상당한 차이가 있으며, 동아시아에서 발병률이 가장 높아 세계 평균(12, 2/100000)의 두 배입니다. 질병의 주요 유형은 편평 세포 암종 식도 선암종, 식도 선암종은 유럽 및 미국과 같이 상대적으로 발병률이 낮은 지역의 주요 병리학입니다. 일본과 한국의 경험을 통해 조기 식도암 병변은 내시경 치료로 완치될 수 있음이 확인되었습니다. 치료 효과는 수술과 동일하며 환자의 5년 생존율은 95%에 달할 수 있습니다. 따라서 식도암의 조기 발견과 신속한 내시경적 치료만이 식도암 사망률을 줄이는 유일한 방법이다.

다년간의 연구와 실습 끝에 진단기술 상부 위장관 내시경 현재 상당한 진전이 이루어졌습니다. 진단 방법 면에서 기존의 기존 단일 백색광 영상(WLI)은 점차 색소 내시경, 공초점 레이저 내시경(CLE), 전자 염색, 확대 내시경 (확대 내시경) 및 내시경 자가형광(AFI) 영상. 그 중 협대역 이미지(NBI) 및 청색 레이저는 기존 백색광 내시경에 비해 조기 식도암 진단의 민감도(SEN)를 90% 이상 향상시킬 수 있습니다. 광학 생검으로도 알려진 CLE는 병리학적 슬라이스와 비교할 수 있습니다. AFI의 진단 특이도(SPE)는 50%, SEN은 100%였다. 현재 임상에서는 NBI, 그린레이저 등이 널리 사용되고 있지만 CLE, AFI와 같은 임상적용은 흔하지 않다.

다른 나라의 식도암 검진 프로그램

영국과 미국의 위장병학자들은 선별 및 감시를 위한 일련의 지침을 개발했습니다. 바렛의 식도 및 식도 선암종. 중국에서 위장병 전문의는 조기 식도암 진단율을 개선하기 위해 주요 인구에서 내시경 검사를 권장합니다. 요오드 염색 내시경 및 스크리닝 프로그램 생검 중국의 고위험 지역에 대한 적응증은 식도암 발병률과 사망률을 효과적으로 줄일 수 있습니다. 식도암 검진의 시작 연령은 40세 이상으로 하고, 75세 또는 기대수명 5세 미만에서는 검진을 중단할 것을 권고한다. 조기 식도암과 상피내 종양(또는 형성이상)이 1차 선별 대상입니다. 우리 모두가 알다시피 내시경 결과의 정확도(정확도)는 검사자의 전문성에 크게 좌우됩니다. 연구에 따르면 양성자 펌프 억제제의 사용, 경험이 적은 내시경(5년 미만 및 내시경 1000건 미만) 및 작은 병변이 식도암 진단을 놓친 것과 유의하게 관련이 있습니다.

식도암과 관련된 내시경 검진에 대한 수요가 많아 임상 업무의 부담이 증가하고, 직원의 피로도 증가는 임상시험의 효율성과 정확성에 영향을 미칠 수 있다. 내시경 작업량의 극적인 증가를 처리하는 방법은 임상 작업 관리자를 당황하게 했습니다. 인공지능(AI), 머신러닝(ML), 딥러닝(DL)은 비교적 구체적인 의미를 가지고 있지만 일반적으로 빅데이터를 다루는 현대의 모든 처리 방법을 지칭하기 위해 광범위하게 사용됩니다. 인공 지능은 “새로운” 것이 아닙니다. 튜링이 처음 실험을 설계했을 때 이 문구는 주로 인간 지능을 광범위하게 모방할 수 있는 기술을 위해 예약되었습니다. 오늘날 인공 지능은 모든 유형의 기계 학습 기술 프로그램을 지칭하는 데 광범위하고 보편적으로 사용됩니다. 가장 기본적인 수준에서 기계 학습은 인간이 명시적으로 프로그래밍할 필요 없이 스스로 “학습”할 수 있는 모든 유형의 컴퓨터 프로그램을 의미합니다. 머신 러닝 기술에는 지도 학습, 비지도 학습 및 반 지도 학습이 포함되며 지도 및 비지도 접근 방식을 결합합니다. 지도 학습에서 알고리즘은 알려진 데이터 세트와 레이블이 지정된 데이터 세트를 기반으로 답을 생성합니다. 랜덤 포레스트 및 지원 벡터 머신(SVM)과 같은 분류 및 회귀 알고리즘은 일반적으로 지도 학습에 사용됩니다. 비지도 머신 러닝에서 알고리즘은 알려지지 않은 데이터와 레이블이 지정되지 않은 데이터에 대한 답변을 생성합니다. 딥 러닝은 지도 또는 비지도 알고리즘 또는 둘 다를 사용할 수 있는 기계 학습 기술의 한 형태입니다.

CNN(Convolutional Neural Networks) – 인공 지능의 중요한 구성 요소

데이터 표현으로 복잡하고 높은 수준의 추상화를 추출하는 계층적 학습을 통해 딥 러닝 모델은 표준 기계 학습 기술 방법보다 빠르게 결과를 생성합니다. CNN(Convolutional Neural Networks)은 여러 계층의 모델로 구성될 수 있습니다. 각 계층은 이전 계층에서 입력을 받아 처리한 다음 데이지 체인의 다음 계층으로 출력합니다. 인공 지능의 출현은 임상 작업에서 점차 등장했으며 의료 영상, 특히 폐암 검진 및 진단, 분석, 병리학 적 특징에서 많은 검증이 이루어졌습니다. 일부 인공 지능 기술은 조기 식도암 검진에도 적용되어 그 장점을 보여주고 있습니다. 이 글에서는 내시경 조기 식도암 검진에서 인공지능의 활용 현황을 살펴보고 앞으로의 발전 경향에 대해 논의하고자 한다.

2002년에 위장관 내시경 의사는 초기 위장관 병변의 파리 분류를 검토했습니다. 그 중 표재성 식도 편평세포암의 내시경적 형태는 크게 돌출형, 편평형, 오목형의 세 가지로 분류된다. 그러나 편평 상피에서 점막내 모세관 고리(IPCL)의 미세혈관 형태는 비소화 조직의 유일하게 신뢰할 수 있는 지표입니다. 일본 식도 학회(JES) 분류의 진단 기준에서 미세 혈관 이상은 비틀림(즉, 비뚤어진 상태), 팽창, 불규칙한 직경 및 다른 모양의 형태학적 요인 각각의 유무에 대해 평가되었습니다.

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]