MediWave

  최근 유방암 검진 분야에서 가장 주목받는 기술적 진보는 단연 디지털 유방 단층촬영술(Digital Breast Tomosynthesis, DBT)입니다.  기존의 디지털 유방 촬영술(Digital Mammography, DM)이 가진 2차원적 한계를 극복하고, 유방 조직을 다각도에서 촬영하여 3차원적으로 재구성하는 이 기술은 특히 치밀 유방을 가진 여성들에게 새로운 희망이 되고 있습니다. 본 칼럼에서는 최근 American Journal of Roentgenology 에 발표된 TMIST Lead-in 임상시험 의 분석 결과를 바탕으로, 기존 검진 기준(45~74세)에서 제외되었던 40~44세 및 75세 이상 연령군에서 DBT가 보여준 탁월한 성과를 심층적으로 분석합니다 . 1. TMIST Lead-in 연구의 배경과 목적 Tomosynthesis Mammographic Imaging Screening Trial (TMIST)는 유방암 검진의 패러다임을 바꾸기 위해 시작된 대규모 무작위 통제 시험입니다 .  본 연구의 파일럿 역할을 한 TMIST Lead-in(A4705) 연구는 2014년부터 2017년까지 캐나다의 4개 기관에서 40세 이상의 여성을 대상으로 진행되었습니다 . 주목할 점은 본 임상시험의 최종 프로토콜(EA1151)이 확정되면서 참가 가능 연령이 45~74세 로 제한되었다는 것입니다 .  이로 인해 초기 Lead-in 단계에 참여했던 40~44세 여성 181명과 75세 이상 여성 90명은 본 임상시험으로 전환되지 못하고 별도의 분석 대상이 되었습니다 .  이 '소외된' 연령층에 대한 데이터는 오히려 DBT의 잠재적 가치를 입증하는 중요한 근거가 되었습니다 . 2. 영상 판독 데이터 및 성능 지표 분석 연구팀은 디지털 유방 촬영술(DM)과 디지털 유방 단층촬영술(DBT)의 성능을 비교하기 위해 재검률(Recall rate), 암 발견율(CDR), 양성 예측도(PPV1, PPV3) 등 주요 지...

  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 기술 이 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 가능성 을 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 참가자 가 1,687개 팀 을 구성해 각자의 AI 알고리즘을 제출하였습니다.  주요 목표는 유방촬영 영상을 독립적으로 해석할 수 있는 AI 모델 을 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%, 재검...