ÇÏ Àº ÁÖ
¾ÆÁÖ´ëÇб³º´¿ø ¿µ»óÀÇÇаú
°©»ó¼±ºÐ¾ß¿¡¼ ÃÊÀ½ÆÄ°Ë»ç´Â °áÀýÀÇ Áø´ÜºÎÅÍ À§Çèµµ ºÐ·ù, ¼¼Ä§ÈíÀΰ˻縦 °áÁ¤ÇÏ´Â ÀÏÂ÷ÀûÀÎ µµ±¸·Î¼ ³Î¸® »ç¿ëµÇ°í ÀÖ´Ù. ±×·¯³ª ¿µ»ó Çؼ®¿¡ ÀÖ¾î Æǵ¶ÀÚ°£ÀÇ Â÷ÀÌ°¡ Á¸ÀçÇÒ ¼ö ÀÖ°í ƯÈ÷ °æÇèÀÌ ºÎÁ·ÇÑ Àǻ翡 ÀÇÇØ ½ÃÇàµÇ´Â °æ¿ì ºÒÇÊ¿äÇÑ ¹Ýº¹Àû ¼¼Ä§ÈíÀÎ°Ë»ç ¹× Áø´ÜÀû ¼ö¼úÀÌ ½ÃÇàµÉ ¼ö ÀÖ´Â ´ÜÁ¡ÀÌ ÀÖ´Ù. ÃÖ±Ù ÀΰøÁö´É ±â¹ÝÀÇ ÄÄÇ»ÅÍ Áø´Ü º¸Á¶(CAD) ½Ã½ºÅÛÀ» ÅëÇØ ÀÌ·¯ÇÑ ÃÊÀ½ÆÄÀÇ ´ÜÁ¡À» º¸¿ÏÇÏ¿© Á¤È®ÇÏ°í ÀÏ°üµÈ Çؼ®À» ÅëÇØ ºÒÇÊ¿äÇÑ ¼¼Ä§ÈíÀÎ°Ë»ç ¹× Áø´ÜÀû ¼ö¼úÀ» ÁÙÀÌ°íÀÚ ÇÏ´Â ¿¬±¸µéÀÌ ÁøÇàµÇ°í ÀÖ¾î ÇöÀç±îÁöÀÇ ÁøÇà »óȲ°ú ÇâÈÄÀÇ ¹ßÀü ¹æÇâ¿¡ ´ëÇÑ ³íÀǵéÀ» °øÀ¯ÇÏ°íÀÚ ÇÑ´Ù.
ÀΰøÁö´É ±â¹ÝÀÇ CAD ½Ã½ºÅÛ °³¹ß¿¡ ÀÖ¾î Ãʱ⠿¬±¸´Â ÁÖ·Î ¸Ó½Å ·¯´×À» ±â¹ÝÀ¸·Î ÇÏ¿´´Ù. ¸Ó½Å ·¯´× ±â¹ýÀº ±âÁ¸ÀÇ composition, shape, margin, orientation, calcification µî°ú °°Àº Àü¹®°¡ Áý´Ü¿¡ ÀÇÇØ »çÀü Á¤ÀÇµÈ Æ¯Â¡À» ±â¹ÝÀ¸·Î °³¹ßµÇ´Âµ¥, Chang µîÀÇ ¿¬±¸¿¡¼´Â ¸Ó½Å ·¯´×À» ÀÌ¿ëÇØ °©»ó¼±ÀÇ ¾Ç¼º °áÀýÀ» ±¸º°Çϴµ¥ ÀÖ¾î CADÀÇ Áø´Ü ´É·ÂÀ» AUROC 0.986±îÁö º¸°íÇϱ⵵ ÇÏ¿´´Ù (1). ±×·¯³ª, Sollini µîÀº ü°èÀû °íÂû ¿¬±¸¸¦ ÅëÇØ ±âÁ¸ÀÇ ¸¹Àº ¸Ó½Å ·¯´× ±â¹ÝÀÇ ¿¬±¸ °á°úµéÀÌ ¼·Î ´Ù¸¥ ¿µ»ó ÇÁ·ÎÅäÄÝ, ¼¼ºÐÈ ¹æ¹ý, ½ºÄ³³Ê/º¥´õ µîÀÇ ´Ù¾çÇÑ ±³¶õ º¯¼ö·Î ÀÎÇØ ¿¬±¸ °á°úµéÀÇ ºñ±³ °¡´É¼º°ú ÀçÇö¼ºÀÌ Á¦ÇÑµÉ »Ó ¾Æ´Ï¶ó, ÀÛÀº Áý´ÜÀ» ´ë»óÀ¸·Î °³¹ßµÇ¾úÀ½¿¡µµ ºÒ±¸ÇÏ°í ÈÄ¼Ó °ËÁõ ¿¬±¸°¡ °ÅÀÇ ÀÌ·ç¾îÁöÁö ¾Ê¾Æ ½ÇÁ¦ÀûÀÎ ÀÓ»ó Àû¿ë¿¡´Â Á¦¾àÀÌ ÀÖ´Ù°í º¸°íÇÏ¿´´Ù (2). À̸¦ ±Øº¹Çϱâ À§ÇØ ÃÖ±Ù¿¡´Â µö ·¯´× ±â¹ÝÀÇ ´ë±Ô¸ð À̹ÌÁö ÄÚȣƮ¸¦ ¹ÙÅÁÀ¸·Î ÇÑ ¿¬±¸µéÀÌ ¹ßÇ¥µÇ¾ú´Âµ¥ ±âÁ¸ÀÇ ¸Ó½Å ·¯´×°ú´Â ´Þ¸® Àü¹®°¡ÀÇ »çÀü Á¤ÀÇµÈ ÃÊÀ½ÆÄ Æ¯Â¡¿¡ ´ëÇÑ °íÂû¾øÀÌ Áַδ ÄÁº¼·ç¼Ç ½Å°æ¸Á (convolutional neural network)À» ±â¹ÝÀ¸·Î °³¹ßÀÌ ÁøÇàµÇ¾ú´Ù. ´ëÇ¥ÀûÀÎ Li µîÀÇ ¿¬±¸¿¡¼´Â 30¸¸°³ ÀÌ»óÀÇ À̹ÌÁö ÄÚȣƮ¸¦ ¹ÙÅÁÀ¸·Î °³¹ßÇÑ CAD ½Ã½ºÅÛÀÌ TI-RADS ±â¹ÝÀÇ ¿µ»óÀÇÇаú ÀÇ»çÀÇ Áø´Ü°ú À¯»çÇÑ ¹Î°¨µµ (84.3~93.4% vs 89.0~96.9%), ¹× ³ôÀº ƯÀ̵µ (86.1~87.8% vs 57.1~68.6%)¸¦ °¡Áö°í ÀÖ´Ù°í º¸°íÇÑ ¹Ù ÀÖÀ¸¸ç, ºñ·Ï ÀÌ ¿¬±¸¿¡ ÀÖ¾î ¸¹Àº ¹æ¹ý·ÐÀû ³íÀïÀÌ Á¸ÀçÇÏÁö¸¸ µö ·¯´× ±â¹ÝÀÇ CAD ½Ã½ºÅÛÀÇ °¡´É¼ºÀ» ³Î¸® ÀÔÁõÇÏ¿´´Ù (3). ±×·¯³ª ÀΰøÁö´É ±â¹ÝÀÇ CAD ½Ã½ºÅÛ Àû¿ë¿¡ ÀÖ¾î ¹«¾ùº¸´Ù Áß¿äÇÑ °ÍÀº ¿ÜºÎ °ËÁõÀ» ÅëÇÑ °á°ú°ªÀÇ ÀçÇö¼ºÀ̸ç À̸¦ À§ÇØ ÇöÀç±îÁö 2°³ÀÇ »ó¿ëÈµÈ CAD ½Ã½ºÅÛ (AmCAD-UT¡ÛR (AmCAD Biomed), S-DetectTM for Thyroid (Samsung Healthcare))ÀÌ °³¹ßµÇ¾î ÀÖ´Ù. AmCAD-UT¡ÛR´Â °©»ó¼± °áÀý Áø´Ü¿ë ÃÖÃÊÀÇ »ó¿ëÈµÈ CAD ½Ã½ºÅÛÀ¸·Î Åë°è ÆÐÅÏ ÀÎ½Ä ¹× Á¤·®È ¾Ë°í¸®ÁòÀ» ÀÌ¿ëÇØ °©»ó¼± °áÀýÀÇ Æ¯Â¡À» Ư¼ºÈ Çϵµ·Ï ¼³°èµÇ¾î ´Ù¾çÇÑ TI-RADS ±â¹ÝÀÇ °áÀý ºÐ·ù¿Í À§Çèµµ¸¦ Á¦°øÇÏ°í ÀÖ´Ù. ÀÌ´Â Reverter µîÀÇ ¿ÜºÎ °ËÁõ ¿¬±¸¿¡¼ TI-RADS ±â¹ÝÀÇ ÀÓ»ó Àü¹®°¡¿Í À¯»çÇÑ ¹Î°¨µµ (87.0% vs 87.0%), ³·Àº ƯÀ̵µ (68.8% vs 91.2%)¸¦ º¸ÀÎ ¹Ù ÀÖ´Ù (4). ¹Ý¸é¿¡ S-DetectTM for Thyroid´Â »ó¿ëÈµÈ ÃÊÀ½ÆÄ Ç÷§Æû¿¡ ÅëÇÕµÇ¾î ½Ç½Ã°£ Àû¿ëÀÌ °¡´ÉÇϵµ·Ï °³¹ßµÇ¾úÀ¸¸ç ¾ç¼º/¾Ç¼º ¶Ç´Â ´Ù¾çÇÑ TI-RADS ±â¹ÝÀÇ ºÐ·ù °á°ú¸¦ Á¦°øÇÏ°í ÀÖ´Ù. ±×·¯³ª ÃÖ µîÀÇ ¿ÜºÎ °ËÁõ ¿¬±¸¿¡¼´Â ¿µ»óÀÇÇаú Àü¹®ÀÇ¿Í À¯»çÇÑ ¹Î°¨µµ (88.4% vs 90.7%)¸¦ º¸¿´Áö¸¸, ÀÌ ¿ª½Ã ƯÀ̵µ (74.6% vs 94.9%)´Â ³·¾Ò´Ù (5).
ÇöÀç±îÁöÀÇ °ËÁõµÈ ¿¬±¸°á°úµé·Î ¹Ì·ç¾î º¼ ¶§ ÀΰøÁö´É ±â¹ÝÀÇ CAD ½Ã½ºÅÛÀÇ ±â¼úÀû ½ÇÇö °¡´É¼ºÀº ÃæºÐÈ÷ ÀÔÁõµÇ¾úÁö¸¸ ÀÓ»ó¿¡¼ÀÇ Àû¿ë °¡Ä¡´Â ¾ÆÁ÷ ºÒ¸íÈ®ÇÏ´Ù. µû¶ó¼ ÀÓ»óÀûÀ¸·Î Àû¿ë °¡´ÉÇÑ Àß ¼³°èµÈ CAD ½Ã½ºÅÛ °³¹ßÀ» À§Çؼ´Â ½ÇÁ¦ »ç¿ëÀÚÀÎ °©»ó¼±À» ´Ù·ç´Â ÀÇ»çÀÇ ÀÔÀå¿¡¼ ´Ù°¢µµÀÇ °í¹Î°ú ³ë·ÂÀÌ ÇÊ¿äÇÏ´Ù. ƯÈ÷ °³¹ßµÈ »õ·Î¿î µµ±¸°¡ ÀÓ»óÀÇ Áø´Ü work-flow ¿¡ ¾î¶»°Ô ÅëÇÕÇÒ °ÍÀΰ¡¿¡ ´ëÇÑ °í¹ÎÀÌ ÇÊ¿äÇϸç ÇöÀç±îÁöÀÇ °ËÁõ °á°ú·Î´Â °©»ó¼± ¿µ»óÀ» Àü¹®À¸·Î ÇÏ´Â Àǻ縦 ´ëüÇϱâ´Â ¾î·ÆÁö¸¸ °©»ó¼± ÃÊÀ½ÆÄ ¿µ»óÀÇ °æÇèÀÌ ºÎÁ·ÇÑ Àǻ縦 µ½´Â add-on °Ë»ç·Î¼ Âü°íÀÚ·á·Î ¾²ÀÏ °¡´É¼ºÀÌ ³ô¾Æ º¸ÀδÙ. ¶ÇÇÑ °©»ó¼± ¾Ï Áø´Ü ½Ã ÀΰøÁö´É ±â¹ÝÀÇ CAD ½Ã½ºÅÛ¿¡°Ô ¿ä±¸µÇ´Â ÀûÁ¤ ¼öÁØÀÇ ¹Î°¨µµ ¹× ƯÀ̵µ¿¡ ´ëÇÑ »ç¿ëÀÚ °£ÀÇ ÇÕÀÇ°¡ ÇÊ¿äÇÏ´Ù. °©»ó¼± ¾ÏÀº ¿¹ÈÄ°¡ ÁÁ°í »ç¸Á·üÀÌ ³·´Ù´Â Á¡¿¡¼ ºÒÇÊ¿äÇÑ ¼¼Ä§ÈíÀΰ˻縦 ÁÙÀÌ´Â Ãø¸éÀÇ ³ôÀº ƯÀ̵µ¸¦ ¿ì¼±ÇÒ °ÍÀÎÁö, ¹Î°¨µµ¸¦ ³ô¿© °æÇèÀÌ ÀûÀº ÀÇ»çµéÀ» Áö¿øÇÏ´Â ¼±º° µµ±¸·Î »ç¿ëÇϵµ·Ï °³¹ßÇÒ °ÍÀÎÁö¿¡ ´ëÇÑ °í¹ÎÀÌ ÇÊ¿äÇÏ´Ù. ÃÖÁ¾ÀûÀ¸·Î´Â ÀÌ·¯ÇÑ ³ë·ÂµéÀÌ ´Ù¾çÇÑ Àü¹® ºÐ¾ßÀÇ ÀÇ»çµé °£¿¡ ÃÊÀ½ÆÄ °Ë»ç Çؼ®¿¡ ´ëÇÑ Â÷À̸¦ ÁÙÀÌ°í °©»ó¼± °áÀý ȯÀÚÀÇ ºÒÇÊ¿äÇÑ ¼¼Ä§ÈíÀΰ˻ç, Áø´ÜÀû ¼ö¼ú µîÀ» ÁÙÀ̴µ¥ ±â¿© ÇÒ ¼ö ÀÖ´ÂÁö¿¡ ÀÓ»ó °ËÁõÀÌ ÇÊ¿äÇÏ´Ù. À̸¦ À§Çؼ´Â ÀÓ»ó ¼º°ú¸¦ °ú´ëÆò°¡ÇÏÁö ¾Ê°í, Àß Á¤ÀÇµÈ ÀÓ»ó ÄÚȣƮ¿¡¼ ÀûÀýÇÑ ¿ÜºÎ µ¥ÀÌÅÍ ÁýÇÕÀ» ¾ò´Â °ÍÀÌ ÇʼöÀûÀ̸ç, ±Ã±ØÀûÀ¸·Î ´Ü¼ø ¼º°ú ÁöÇ¥¸¦ ¶Ù¾î³Ñ´Â ÀÓ»ó ½ÃÇè°ú °üÂû ¿¬±¸°á°ú°¡ ÇÊ¿äÇÏ°Ú´Ù (6).