Sybil: 폐암 조기 예측을 위한 딥러닝 기반 모델의 아시아 코호트 적용 가능성과 성능
Sybil: 폐암 조기 예측을 위한 딥러닝 기반 모델의 아시아 코호트 적용 가능성과 성능 doi:10.1148/radiol.243393 서론 폐암은 전 세계적으로 암 관련 사망률 1위를 차지하는 질환으로, 조기 발견이 환자의 생존율을 결정짓는 핵심 요소로 여겨집니다. 최근 의료 영상 분야에서 인공지능(AI) 기술의 발전은 폐암 조기 진단의 가능성을 획기적으로 향상시키고 있으며, 그 중심에는 딥러닝(Deep Learning, DL) 기반의 위험 예측 모델이 있습니다. 본 칼럼에서는 최근 Radiology 저널에 발표된 오픈소스 딥러닝 모델 Sybil 의 아시아인 코호트에 대한 적용 가능성과 성능을 분석한 서울대병원 이종혁 교수팀의 연구 결과를 중심으로, Sybil 모델의 구조, 임상적 의미, 한계점 및 향후 과제를 심층적으로 분석합니다. Sybil 모델이란? Sybil 은 저선량 흉부 CT(LDCT) 데이터를 기반으로 폐암 발생 위험을 6년 단위로 예측하는 오픈소스 딥러닝 모델 입니다. 이 모델은 기존의 흡연력 기반 위험 평가 도구보다 더욱 정밀하고, 영상에서 감지 가능한 병변이 없어도 미래 발생 가능성을 예측하는 데 중점을 둡니다. 특히 Sybil은 영상에서 특징을 추출하고, 주목(attention) 맵을 생성하여 종양 가능성이 높은 영역에 집중 함으로써 높은 예측 정확도를 보여줍니다. 연구 개요 및 방법론 이종혁 교수팀은 2004년부터 2021년까지 수집된 18,057명 아시아인 대상의 LDCT 데이터 를 분석하여 Sybil 모델의 성능을 검증했습니다. 모든 대상자는 최소 1회의 추적 검사를 시행하였고, 총 92명(0.5%)이 6년 이내 폐암으로 진단 되었습니다. 그림 1. Sybil 모델 예측 예시 오픈소스 딥러닝 모델인 Sybil이 폐암(기준선 CT에서 보이는 폐암)을 정확하게 예측하는 예. (A) 54세의 흡연 남성의 폐를 저선량 축 CT로 촬영한 영상에서 오른쪽 하엽에 1.5cm 크기의 준고형 결절...