대한심장혈관영상의학회

Journal PICK

안녕하세요. 울산의대 서울아산병원 영상의학과의 양동현입니다. 대한심장혈관영상의학회 웹진에 제 논문을 소개하게 되어서 영광이며 감사드립니다. 본 논문은 인공지능을 활용한 관상동맥석회화 (coronary artery calcium score, CAC) 자동 계산 소프트웨어 (이하 자동_CAC)의 개발과정을 요약해 설명하고 소프트웨어의 정확성을 숙련된 방사선사가 분석한 결과와 비교하여 보고한 논문입니다. 소프트웨어의 개발은 논문의 1저자인 서울아산병원 의공학연구소의 이준구 교수가 맡았고, 저는 개발과정에 함께 참여하고 소프트웨어의 검증을 맡았습니다. 이 논문의 기존의 연구들과 비교하여 다음과 같은 몇가지 차별 점이 있습니다.

• 기존에도 자동_CAC프로그램들은 일부 보고된 적이 있는데 저희 소프트웨어는 인공지능개발 방법에서 차별성이 있습니다. 기존에는 칼슘을 레이블링하여 인공지능을 학습시켰다면, 저희는 조영증강전 CAC CT에서 관상동맥영역과 심근 영역을 분할하는 방식을 사용하였다는 차이점이 있습니다. (그림 1). 저희는 이 방식을 ‘Atlas-based Fully Automatic Coronary Calcium Score’로 명명하였습니다.
• 검증 코호트에는 무증상, 증상을 가진 관상동맥질환군, 판막질환군을 대표하여 모두 2985명의 환자를 포함하였습니다. 기존에 저희 그룹의 연구에 이용되었던 CT 코호트들이며 다양한 임상시나리오를 반영하였다는 강점이 있습니다.
• 소프트웨어의 정확도를 전체적으로 평가하기도 하였지만 (kappa value, intraclass correlation coefficient) (그림 2), 인공지능이 판별한 칼슘/혹은 정상 부위를 하나하나 다시 리뷰하여서 병변별 정확도를 평가하였다는 차별점이 있습니다. 이를 통해 저희가 개발한 알고리즘의 장점과 단점을 좀더 정확하게 평가하였습니다 (그림 3).

일부 사소한 에러들이 있었지만 (그림 3) 병변을 찾아내는 민감도가 93.3%로 높은 반면 위양성율은 CT 10건에 1개정도로 매우 낮아서 숙련된 방사선사가 수행하는 분석과 큰 차이가 없다고 결론 내었습니다. 임상적으로 적용하기 위해서는 낮은 위양성율을 유지하는 것이 중요한데 CAC CT에서 직접 관상동맥을 추출하는 전략이 주효한것으로 판단하였습니다. 이 기술은 국내 소프트웨어 회사를 통해 상업화 되었고, 현재 서울아산병원에서는 건강검진 CT를 대상으로 본 소프트웨어가 적용되고 있습니다. 기존에 숙련된 방사선사들이 하던 업무는 이 소프트웨어로 대체되었습니다. 향후 관상동맥 스텐트의 구분 과 심장판막석회화의 자동분할등 추가 업데이트를 거쳐서 외래/입원 CT에도 적용될 예정입니다. 의료인공지능이 적용되는 다양한 분야가 있는데, 많은 이들은 좀더 원대하고 거창한 목표에 집중하여 연구하고 있고 저도 일부 복잡한 연구들을 수행하고 있습니다. 본 연구는 현재 기술 수준에서 비교적 쉽게 달성 가능한 목표를 상용화하여 실제 CT업무를 바꾸었다는 면에서 의의가 있다고 생각합니다. 감사합니다.