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 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...