AI 기반 유방암 검진 혁신: RSNA AI 챌린지 성과와 임상 적용 가능성

-

 AI 기반 유방암 검진 혁신-RSNA AI 챌린지 성과와 임상 적용 가능성


서론

유방암은 전 세계 여성 암 사망 원인 중 상위를 차지하며, 조기 발견이 환자의 생존율과 치료 성과를 크게 향상시킵니다. 

특히, 유방촬영술(mammography)은 유방암 조기 진단의 핵심 도구로 자리잡았으나, 영상 판독은 방사선과 전문의의 숙련도, 시간적 제약, 피로도에 따라 정확성이 달라질 수 있습니다. 

이에 따라 AI(인공지능) 기반 영상 판독 보조 기술이 부각되고 있습니다.

2023년 RSNA(북미방사선학회) Screening Mammography Breast Cancer Detection AI Challenge는 전 세계 연구팀이 개발한 AI 모델을 경쟁적으로 평가함으로써, AI의 유방암 검진 임상 적용 가능성을 가늠할 수 있는 중요한 전환점이 되었습니다.

본 컬럼에서는 해당 챌린지의 주요 결과, 알고리즘 성능 지표, 데이터셋 특성, 임상 적용 전략, 그리고 향후 연구 방향에 대해 심층적으로 분석하고자 합니다.

본론

1. RSNA 2023 AI 유방촬영술 챌린지 개요

이번 챌린지에는 2,146명의 참가자가 1,687개 팀을 구성해 각자의 AI 알고리즘을 제출하였습니다. 

주요 목표는 유방촬영 영상을 독립적으로 해석할 수 있는 AI 모델을 개발하여, 조기 암 발견율을 높이고 임상 판독 부담을 줄이는 것이었습니다.

연구팀은 미국과 호주에서 수집한 평가 데이터셋(5,415명, 중앙값 나이 59세)을 사용해 총 1,537개의 알고리즘 성능을 평가했다. 병리학적 확진 결과와 1년 이상 추적 관찰 데이터를 통해 암 여부를 확인했습니다.

2. 주요 성능 결과

  • 최고 성능 알고리즘

    • 민감도(Sensitivity): 최고 수준

    • 특이도(Specificity): 전반적으로 높음

    • 재검 소환율(Recall rate): 낮게 유지

  • 앙상블 모델

    • 상위 3개 알고리즘 결합: 민감도 60.7%, 재검률 2.4%, 특이도 98.8%

    • 상위 10개 알고리즘 결합: 민감도 67.8%, 재검률 3.5%, 특이도 97.8%

  • 국가별 민감도 차이

    • 미국 데이터셋: 52.0%

    • 호주 데이터셋: 68.1%

    • 오즈비(OR): 0.51 (p=0.02)

  • 암 유형별 민감도 차이

    • 침습성 암: 68.0%

    • 비침습성 암: 43.8%

    • OR = 2.73 (p=0.001)

3. 실제 임상 사례 분석

그림 1. 69세 여성의 우측 유방촬영 영상. 12시 방향에 6mm 가시형(spiculate) 종괴가 관찰되며, (A) MLO(mediolateral oblique)와 (B) CC(craniocaudal) 영상 모두에서 확인 가능하다. 이 사례는 상위 10개 AI 알고리즘 모두가 재검 대상으로 분류하지 않았으나, 생검에서 침습성 암으로 확진되었다. (출처: RSNA 평가 데이터셋, Siemens Healthineers 장비 사용)



4. 민감도 차이의 원인 분석

민감도 차이는 장비 제조사, 영상 품질, 환자 특성(유방 밀도, 연령) 등 다양한 요인과 연관된다. 특히, 국가별 데이터셋 차이는 영상 획득 프로토콜 및 장비 성능 차이를 반영할 수 있습니다.

5. 임상 적용을 위한 전략

RSNA 연구팀은 AI 알고리즘의 임상 적용 시 다음과 같은 점을 강조했습니다.

  1. 다양한 인구집단에 대한 견고성(Robustness) 확보

    • 다양한 연령, 인종, 유방 밀도에서 안정적인 성능 발휘 필요.

  2. 제조사별 영상 호환성 확보

    • Siemens, Hologic, GE 등 장비 간 데이터 표준화 필요.

  3. 실제 판독 환경과 유사한 테스트

    • 복잡하고 미묘한 사례를 포함한 검증 프로세스 설계.

6. AI와 방사선 전문의의 협업 모델

단독 AI 판독이 아닌, AI+전문의 협업 판독이 향후 표준이 될 가능성이 높습니다. 

AI가 놓친 병변을 전문의가 보완하고, 전문의의 판독 피로도를 AI가 줄여주는 상호보완 구조가 바람직하다.

7. 향후 연구 방향

  • 상용 AI 모델과의 비교 벤치마킹

  • 소규모 고품질 데이터셋 기반 성능 검증

  • 실시간 판독 지원 시스템 개발

  • 윤리·법적 가이드라인 마련

결론

RSNA 2023 AI 챌린지는 AI가 유방암 조기 발견에 기여할 수 있는 잠재력을 입증했습니다. 특히 앙상블 모델은 민감도를 크게 향상시키면서도 낮은 재검률과 높은 특이도를 유지했습니다. 

그러나 국가·장비별 성능 차이, 비침습성 암에 대한 민감도 한계 등은 여전히 극복해야 할 과제입니다.

향후 AI는 방사선 전문의와의 협업 도구로 자리잡아, 유방암 검진의 효율성과 정확성을 동시에 향상시킬 것으로 전망됩니다.

참고문헌

[1] Y. Chen, et al., "Performance of AI algorithms from the RSNA Screening Mammography Breast Cancer Detection Challenge," Radiology, Aug. 2023.
[2] L. Shen et al., "Deep learning to improve breast cancer detection on screening mammography," Sci Transl Med, vol. 11, no. 512, 2019.
[3] M. McKinney et al., "International evaluation of an AI system for breast cancer screening," Nature, vol. 577, pp. 89–94, 2020.
[4] H. J. Harvey et al., "Challenges in AI mammography deployment," JAMA Oncology, vol. 7, no. 9, pp. 1320–1325, 2021.
[5] K. Rodríguez-Ruiz et al., "Stand-alone AI for breast cancer detection in mammography: Comparison with 101 radiologists," J Natl Cancer Inst, vol. 111, no. 9, pp. 916–922, 2019.
[6] RSNA, "AI Mammography Challenge 2023 Official Results," Radiological Society of North America, 2023.
[7] Siemens Healthineers, "Mammography systems and AI integration," Technical White Paper, 2022.

댓글

댓글 쓰기

이 블로그의 인기 게시물

수면 건강 혁신: 기능성 직물 전도성 전극을 활용한 심전도 측정 기술의 최신 연구와 발전 방향

-
이미지
  http://dx.doi.org/10.9718/JBER.2023.44.1.80 첨단 바이오센서 기술이 일상생활에 깊숙이 침투하면서 , 우리의 수면 건강 모니터링 방식에도 혁신적인 변화가 일어나고 있습니다 . 특히 , 기존의 불편한 습식 전극 (Ag/AgCl) 의 단점을 극복하고 , 침대나 스마트 의류와 같은 편안한 환경에서 생체신호를 측정할 수 있는 기능성 직물 전도성 전극 (Conductive textiles Electrode) 기술은 헬스케어 분야의 미래를 이끌 핵심 동력으로 주목받고 있습니다 . 본 컬럼은 기능성 직물 전도성 전극을 활용하여 침대 형태에서 심전도 (ECG) 를 측정하는 방법에 대한 최근의 파일럿 연구 (Pilot Test) 결과를 심도 있게 분석하고 , 이 기술이 가져올 수면 관련 질환 탐지 및 자율신경계 변화 분석 의 잠재력을 세계적인 전문가 수준의 지식으로 해설하고자 합니다 .   1. 서론 : 차세대 생체신호 측정 기술 , 기능성 직물 전도성 전극 생체신호 (Bio signal) 측정은 심전도 (ECG), 근전도 (EMG) 와 같은 중요한 건강 지표를 파악하는 핵심 수단이며 , 이 중심에는 전극 (Electrode) 이 있습니다 . 전통적으로 의료 분야에서 가장 널리 사용되는 것은 피부에 직접 부착하는 은 염화은 ($\text{Ag/AgCl}$) 습식 전극입니다 . 그러나 이 습식 전극은 피부 알레르기 유발 , 부착 불편함 , 그리고 옷 착용 시의 어려움 등 여러 가지 단점을 내포하고 있습니다 . 이러한 한계를 극복하기 위해 등장한 것이 바로 기능성 직물 전도성 전극 입니다 . 이 전극은 기존 전극과 마찬가지로 생체신호 측정이 가능하면서도 , 유연하고...
자세한 내용 보기

최첨단 진단 기술: 악성 포도막 흑색종 전이의 F-18 FDG PET/CT 조기 발견과 생존율 향상 전략

-
이미지
  https://doi.org/10.1186/s40644-025-00945-2 포도막 흑색종(Uveal Melanoma, UM)은 성인 안구에서 가장 흔하게 발생하는 원발성 악성 종양이지만, 전이가 발생한 후에는 확립된 효과적인 치료법이 없어 진단 후 평균 생존 기간이 약 12개월에 불과한 매우 예후가 좋지 않은 암입니다.   초기 진단 시에는 포도막 흑색종 환자의 5% 미만에서만 전이가 발견되지만, 궁극적으로는 환자의 최대 50%가 다양한 기간에 걸쳐 원격 전이를 겪게 됩니다.   이처럼 치명적인 질환의 예후를 개선하기 위해서는 전이성 포도막 흑색종 의 조기 발견 이 매우 중요합니다. 최근의 연구 결과는 포도막 흑색종의 전이 진단에 F-18 FDG PET/CT 스캔의 유용성을 강력하게 시사하고 있으며, 이는 생존율이 낮은 환자들에게 결정적인 역할을 할 수 있음을 보여줍니다.   본 칼럼에서는 전이성 포도막 흑색종 진단에 있어 F-18 FDG PET/CT 의 혁신적인 역할과 임상적 의미에 대해 심층적으로 분석하고, 포도막 흑색종 환자의 생존율을 높이기 위한 향후 전략을 세계적인 전문가 수준의 지식으로 제시하고자 합니다. 🌟 포도막 흑색종 전이 진단의 첨단 무기: F-18 FDG PET/CT F-18 FDG PET/CT 는 종양의 포도당 대사를 기반으로 암 전이를 감지하는 데 널리 사용되고 효과적인 검사 방법입니다.   암세포는 정상 세포보다 포도당 대사 활동이 상대적으로 높기 때문에, 방사성 의약품인 $\text{F-18}$ 플루오로데옥시글루코스 F-18 FDG 의 흡수가 증가하며, 이를 PET  스캔을 통해 시각화할 수 있습니다.   여기에 해부학적 정보를 제공하는 CT를 결합한 PET/CT는 기능적 정보와 구조적 정보를 동시에 제공하여 진단 정확도를 높입니다. 하지만 포도막 흑색종 환자군에서 F-18 FDG-PET의 사용에 대한 증거는 아직 부족했습니다.   이러...
자세한 내용 보기

[유방암 영상의학] DCIS 업스테이징 예측을 위한 맘모그래피 기반 Radiomics: 최신 연구로 본 임상적 적용 가능성

-
이미지
https://doi.org/10.1148/radiol.24373 서론: DCIS(유관상피내암) 진단의 한계와 “업스테이징” 문제 유관상피내암(DCIS: Ductal Carcinoma in Situ)은 비침습성 유방암으로 분류되지만, 실제 수술에서 약 1/4의 환자에서 침윤성 유방암(Invasive Ductal Carcinoma)으로 업스테이징 되는 것으로 알려져 있다. 이는 코어침생검(core-needle biopsy)의 샘플링 한계 때문이다. 업스테이징 가능성을 예측하지 못하면, 불필요한 광범위 수술을 시행하거나 반대로 필요한 액와 림프절 평가를 놓칠 위험이 있다. 최근 영상의학 분야에서는 이를 보완하기 위해 Radiomics + Machine Learning 기반 예측 모델 의 가능성에 주목하고 있다.  특히 맘모그래피 기반 석회화(calcification) 특징을 추출한 Radiomics 모델이 DCIS의 숨겨진 침윤성 병변(occult invasion)을 예측할 수 있다는 연구 결과가 발표되며 임상 적용 가능성이 커지고 있다. 이번 컬럼에서는 연구 자료(case study.docx)를 바탕으로 맘모그래피 기반 Radiomics 모델의 성능과 임상적 의미를 세계 전문가 수준으로 정리한다. 1. 연구 목적과 배경 ■ Radiomics 모델이 필요한 이유 DCIS는 비침습성으로 분류되지만 16~25%에서 침윤암이 동반 코어침생검의 under-sampling 문제 로 인해 초기 진단이 불완전할 수 있음 Radiomics는 미세 석회화의 형태학적 특징 텍스처 패턴 병변 주변 조직의 미세 구조 변화 등을 정량화하여 기존의 판독 방식으로는 구별하기 어려운 침윤성 패턴을 찾아낼 수 있다. ■ 연구의 핵심 목표 미국, 영국, 네덜란드의 3개 국가 데이터를 이용하여 Radiomics 모델의 일반화 가능성 검증 국가별 차이를 넘어서 DCIS의 업스테이징(occult invasion) 예측 이...
자세한 내용 보기