전립선암 진단, 혁신적인 라디오믹스와 머신러닝 기반 바이오마커 검증 심층 분석
http://dx.doi.org/10.9718/JBER.2023.44.1.25 부제: 2D 전립선 단면 영상 영역 분류의 새로운 시대, AUC 0.99 달성의 비결 서론: 전립선암 진단 및 예후 예측의 중요성과 새로운 도전 전립선암은 서양인에게 흔한 질환이었으나, 최근 서구화된 식단과 생활 방식으로 인해 동양인에게도 발병률이 증가하고 있는 추세입니다 . 대한민국에서는 1999년 이후로 전립선암 환자 수가 꾸준히 늘어 , 2019년에는 남성 암 발생 순위에서 12.5%로 4위를 기록했으며, 전체 암 발생자 수 중 6.6%를 차지했습니다 . 특히 남성 65세 이상에서는 발생 분율 2위(17.3%)를 기록할 정도로 심각한 보건 문제로 대두되고 있습니다 . 전립선암의 크기와 위치를 정확하게 파악하는 것은 환자의 진단, 치료 방향 결정, 그리고 예후 예측에 있어 매우 중요한 요소입니다 . 기존에는 다중파라미터 자기공명영상(mpMRI)과 같은 영상의학적 방법 이나, 바늘생검(needle biopsy) 또는 근치적 전립선절제술(radical prostatectomy) 조직의 H&E 병리 슬라이드 이미지를 기반으로 조직학적 진단이 이루어져 왔습니다 . 이러한 영상 및 병리 슬라이드 이미지를 기반으로 전립선암의 크기와 위치를 예측하는 인공지능 모델들이 다수 개발되어 왔습니다 . 예를 들어, S. Mehralivand 등은 MRI 기반 AI 모델로 198개 의심 병변 중 111개를 정확히 감지하는 결과를 보였으며 , M. Tsuneki 등은 바늘생검 병리 슬라이드 기반 AI 모델(EfficientNetB1)로 종양 위치를 AUC 0.97로 예측했고 , W. Han 등은 전립선절제술 병리 슬라이드 기반 AI 모델(AlexNet-TCM)로 AUC 0.964의 결과를 보여주었습니다 . 그러나 문제는 '전립선 육안 단면 이미지'입니다. 자기공명영상이나 병리 슬라이드 이미지와 달리, 전립선 육안 단면 이미지는 숙련된 병리과 전문...