Radiomics와 딥러닝을 결합한 폐암 침습성 예측 모델: 인공지능이 여는 영상의학의 새로운 장
https://doi.org/10.1016/j.acra.2025.10.004 키워드: 폐암 예측, 인공지능 영상 분석, Radiomics, 딥러닝, GGN(간유리결절), 폐선암, 의료AI 서론: 폐암 예측의 새 전환점 폐암은 여전히 전 세계 암 사망 원인 1위를 차지합니다. 특히 간유리결절(Ground-Glass Nodule, GGN) 형태로 나타나는 조기 폐선암(adenocarcinoma)은 겉보기에는 작은 병변이지만, 그 내부가 침습성(invasive)인지, 아니면 비침습성(preinvasive)인지를 구별하는 것이 임상적으로 매우 중요합니다. 기존 CT 영상만으로는 두 형태를 정확히 구분하기 어렵기 때문에, 수술 시기를 놓치거나 불필요한 절제를 시행하는 문제가 발생하기도 했습니다. 이러한 한계를 극복하기 위해 등장한 것이 Radiomics(라디오믹스)와 Deep Learning(딥러닝)을 결합한 새로운 접근법입니다. Radiomics는 영상 데이터를 수치화하여 숨은 패턴을 찾아내는 기술이며, 딥러닝은 이러한 복잡한 패턴을 학습해 스스로 예측 모델을 만드는 인공지능 방법입니다. Radiomics와 딥러닝의 결합: 영상의 새로운 언어 Radiomics는 CT 영상의 픽셀 속에서 ‘숫자’를 추출합니다. 예를 들어, 결절의 텍스처(질감), 모양, 경계, 밀도 변화 등을 수백~수천 개의 변수로 변환합니다. 하지만 이 데이터만으로는 모든 임상적 복잡성을 담아내기 어렵습니다. 그래서 연구팀은 ResNet50 기반 딥러닝 모델 을 추가하여, 영상에서 Radiomics가 놓칠 수 있는 고차원적 패턴 을 학습하도록 했습니다. 이때 세 가지 주요 데이터가 결합되었습니다. Radiomics feature : CT에서 추출한 정량적 이미지 특징 Deep Learning feature : ResNet50 딥러닝 네트워크에서 얻은 표현 Intratumoral Habitat(ITH) : 병변 내부의 ...
