베이징연합의과대학 안과병원을 필두로 5개 안과센터가 AI를 활용해 13가지 안저질환 진단을 돕는다.

우리 눈이라는 작은 공간에도 다양한 질병이 존재합니다. 작년 말, 아이캉그룹과 잉통 에어닥  공동 발간된 "신체검사를 받는 400만 명의 건강 청서"에 따르면, 안저 이상 총 발견율은 최근 몇 년 동안 매년 증가하여 2019-2020년에는 76.1%였고, 2022-2023년에는 78.7%였습니다. 안저질환의 발생률은 지속적으로 증가하고 있으며 전 세계적으로 회복 불가능한 실명의 가장 흔한 원인이 되었습니다.

안과 질환의 진단은 영상 인식에 크게 의존하기 때문에 안과학은 딥러닝과 같은 기술을 적용하기에 매우 적합합니다. 안저질환 진단에 있어서 딥러닝의 잠재적 가치를 더욱 탐구하기 위해,베이징 협화의과대학 병원 안과 부장인 천유신(陈友新)이 이끄는 중국 전역의 5개 안과 센터(베이징 협화의과대학 병원 안과, 쓰촨대학 서중국병원, 허베이 의과대학 제2병원, 톈진 의과대학 안과병원, 원저우 의과대학 안과 및 검안병원)는 베이징 지위안 후이투 테크놀로지(Beijing Zhiyuan Huitu Technology Co., Ltd.)와 중국 인민대학 정보학원의 리시룽(Li Xirong) 교수와 협력하여 초보 안과 의사의 진단 일관성을 약 12%만큼 개선하는 데 도움이 되는 딥 러닝 시스템(DLS)을 개발하여 13가지 주요 안저 질환을 자동으로 감지하는 새로운 방법을 제공했습니다.

연구 하이라이트:
* 이 연구는 13가지 주요 안저 질환을 발견하는 데 있어 1차 안과 의사를 돕는 DLS의 진단 성능을 평가하기 위한 전향적 임상 시험으로 수행되었습니다.

* DLS 사용 후, 1차 안과 의사의 진단 일관성이 약 12% 향상되었습니다.
* DLS는 최소한 하나의 기존 질병을 감지할 수 있어야 하며 이는 새로운 지표를 정의하려는 원래 의도와 일치합니다.

서류 주소:
https://doi.org/10.1038/s41746-023-00991-9
공식 계정을 팔로우하고 "DLS"라고 답글을 남겨 전체 PDF를 받아보세요.

DLS: 안저질환 진단을 위한 새로운 아이디어 창출

데이터 세트: 정확한 결과를 보장하기 위해 안저 이미지 수집

이번 연구에서는 기존 연구들에 비해 더 많은 컬러 안저 사진 데이터를 수집하여 총 데이터 양을 81,395개 이미지(훈련 세트에 77,181개 이미지, 검증 세트에 1,087개 이미지, 테스트 세트에 3,127개 이미지)로 확장했습니다.

모델 구성: 두 가지 주요 연구 모델, 협력적 구축 프로세스

DLS는 영상 품질 평가 모델과 진단 모델의 두 부분으로 구성됩니다. 작업 흐름은 아래 그림과 같습니다.

이미지 품질 평가 모델은 ResNet-34 CNN을 기반으로 한 회귀 모델입니다.단일 안저 영상을 입력하여 영상 품질 평가 모델을 시작하여 영상 품질이 진단에 적합한지 여부를 판별합니다. 적합한 경우 진단 모델은 진단 권장 사항을 생성합니다. 그렇지 않으면 시스템은 영상 품질이 진단에 적합하지 않다는 경고를 내보냅니다. 하지만 시스템은 진단 권장 사항을 제공할 수 없습니다.

안저질환 진단 모델은 기존 연구를 확장한 것으로, CNN 모델 seResNext50을 주요 구조로 하고 있습니다.완전히 연결된 계층은 질병이 존재하는지 여부와 어떤 특정 질병이 존재하는지 판별하기 위해 두 개의 분기로 설계되었습니다. 예측 결과를 더 잘 안정화하기 위해 이 연구에서는 늦은 융합을 통해 3개의 병렬 seResNext50 모델을 훈련했습니다.

연구 설계: 5대 병원이 협력하여 다양한 요인을 고려하여 신뢰할 수 있는 결과를 보장합니다.

이 연구는 베이징 협화의과대학 병원, 쓰촨대학 서중국병원, 허베이 의과대학 제2병원, 톈진 의과대학 안과병원, 원저우 의과대학 안과병원을 포함한 5개 3차 병원에서 실시되었습니다.2020년 8월부터 2021년 1월까지 총 750명의 참가자를 대상으로 전향적 검사를 실시하였고, 이 중 748명이 모든 절차를 완료했습니다. 참여자들은 모두 18세에서 75세 사이의 외래환자였으며, 평균 연령은 51.7세였습니다. 당뇨병이 있는 환자는 152명(20.3%), 고혈압이 있는 환자는 216명(28.9%), 고지혈증이 있는 환자는 104명(13.9%)이었다. 이 중 남성 환자는 324명(43.3%)이었다. 그들은 모두 5개 병원에서 안저 영상 검사를 받았고, 완전한 의료 기록을 가지고 있었으며, 포괄적인 안과 검사를 받았습니다.

이 연구에서는 안과 의사 6명(최소 5년 이상의 업무 경험이 있는 준교수)을 초대하여 이미지에 주석을 달게 했으며, 이들의 공동 논의를 통해 결정된 최종 진단 결과를 최종 검증 기준으로 사용했습니다. 또한, 9명의 주니어 안과 의사(경력이 3년 미만인 레지던트 또는 주치의)가 훈련을 받고, 이 연구에서는 이미지를 판독하여 평가를 실시했습니다.

1주일간의 세척 기간이 지난 후, 그들은 다시 동일한 이미지 세트에 주석을 달았고, 이 이미지 세트는 무작위로 재정렬되었으며, DLS가 이전에 주석을 단 라벨로 라벨이 붙어 테스트 그룹을 형성했습니다. 동시에, 각 주니어 안과 의사는 대조군으로서 데이터 세트의 일부에 독립적으로 주석을 달도록 배정되었습니다. 또한, 포함된 모든 안저 이미지는 DLS별로 DLS 그룹으로 분류되었습니다.

이 연구에서 완전히 분석할 수 있는 이미지 하위 집합은 1,493개의 이미지로 구성되었으며, 그 중 477개(32.0%)의 안저가 6명의 선임 안과 의사의 주석과 논의를 바탕으로 정상으로 표시되었습니다. 1,016개(68.1%)의 다른 이미지에는 질병이 표시되어 있었는데, 그 중 1,386개(92.8%)는 하나의 질병만 표시되었고, 78개(5.2%)는 두 가지 질병이 표시되었으며, 29개(1.9%)는 세 가지 질병이 표시되었고, 총 251개(16.8%)의 이미지에는 "기타 이상"이 표시되었습니다.

숙련된 기술자는 (비)확장된 동공을 모두 사용하여 안저 이미지를 얻었습니다.안저 카메라이후 주석과 판독을 위해 이미지 품질을 보장하기 위해 표준 운영 절차를 사용하여 샘플링을 수행했습니다.

이 연구에서 질병의 선택은 유병률과 시각 기능에 대한 위협을 기준으로 결정되었으며, 안저 영상을 이용한 스크리닝의 임상적 가능성도 고려되었습니다. 마지막으로, 이 연구는 표준 진단 기준을 갖춘 13가지 주요 안저 질환을 선택했으며 여기에는 관련 당뇨병성 망막병증(DR)이 포함됩니다.망막정맥폐쇄 (RVO), 망막동맥폐쇄(RAO), 병적근시, 망막박리(RD),원발성 색소성 망막염 (RP), 위축성 및 신생혈관성 연령 관련 황반변성(AMD), 상피망막막(ERM), 황반원공(MH),중심성 漿液性 맥락망막병증 (CSC), 녹내장성 시신경병증(GON), 시신경위축 등이 의심되는 경우, 그리고 13개 선정 질환에 포함되지 않은 다른 질환의 징후가 영상에 포함된 경우, “기타 안저 이상”으로 분류하였다.

실험 결과: DLS는 특정 안저 질환을 효과적으로 검출할 수 있지만 진단 정확도에도 영향을 미칠 수 있습니다.

대조군과 비교했을 때, 주니어 안과의사의 경우 888개(59.4%) 이미지의 주석이 변경되었습니다. 이 중 801개(53.5%)의 이미지가 AI의 제안을 기반으로 수정되었습니다. 어떤 경우에는 초보 안과 의사들이 DLS의 조언에 따라 올바른 진단 결정을 잘못된 라벨로 바꾸는 실수를 범하기도 했지만, 그들은 DLS로부터 많은 도움을 받았습니다.

이 연구는 DLS가 초보 안과 의사들이 다양한 주요 안저 질환을 발견하는 데 있어 진단의 일관성을 크게 개선하는 데 도움이 될 수 있음을 입증한 최초의 임상 시험이라고 밝혔습니다. 이는 또한 초보 안과의사를 위한 DLS 지원 다중 안저질환 스크리닝 영상 판독 모델이 효과적인 임상 방법임을 입증합니다.

이 연구에서는DLS의 전반적인 질병 진단 민감도와 특이도는 각각 96.6%와 81.8%였습니다.이 장비는 특정 안저 질환을 효과적으로 감지하고, 안저 이상을 찾아내고, 환자를 전문적인 검사와 평가를 위해 의뢰하는 데 도움을 줄 수 있습니다. 더욱이, 높은 특이성은 불필요한 의뢰와 의료 비용을 줄이는 데 도움이 됩니다.

본 연구에서는 AI 지원 의사 판독 그룹(실험 그룹), 의사 독립 판독 그룹(대조군), AI 판독 그룹(AI 그룹)의 세 가지 대조군을 설정했습니다.

실험군, 대조군, AI군의 진단 일관성율은 각각 84.9%, 72.9%, 85.5%로 나타났으며, 이는 AI의 도움을 받은 경우주니어 의사의 영상 판독 및 진단 능력은 약 12%만큼 향상될 수 있습니다.이번 연구에서는 실험군과 DLS군 간의 진단적 일치도가 유사했으며, 이는 DLS만으로도 충분히 효과적일 수 있음을 시사합니다. 그러나 인간 의사의 참여가 여전히 중요합니다. AI 기반 질병 선별 및 식별은 실제 임상에서 널리 사용되고 있지만, 잘못된 진단과 같은 위험도 존재합니다.

또한, 본 연구에서는 실험군과 대조군의 안저질환에 대한 민감도가 비슷하였고, 실험군이 대조군에 비해 유의하게 우수하였으며, 특히 GON 의심, 시신경 위축, 위축성 AMD, CSC 등의 질환에 대해 우수한 것으로 나타났다. 이러한 결과는 다음을 나타냅니다.초보 안과 의사들은 정상 안저와 비정상 안저를 구별할 수 있지만, 여전히 특정 질병을 진단할 수 있는 능력은 부족합니다. 이러한 단점은 DLS의 도움으로 해결할 수 있으며, 이를 통해 오진율을 크게 줄이고 안저 질환을 진단하는 초보 안과 의사의 전문성 정도의 한계도 줄일 수 있습니다.

그러나 대조군(60.5%)의 진단 정확도는 실험군(44.2%)보다 높았다. 연구진은 주석을 검토한 결과, DLS가 이미지에 더 많은 레이블을 주석으로 달아서 초보 안과 의사의 진단 실수를 줄이는 데 도움이 되지만 진단의 정확도에는 영향을 미칠 수 있음을 발견했습니다.

또한, 이 연구는 여전히 몇 가지 한계점을 가지고 있다. 첫째, 데이터 세트는 안저 질환의 실제 이미지를 선택했지만 일부 카테고리에는 이미지 수가 적어 결과에 편향이 생겼을 수 있으며 모든 참가자는 중국 한족 환자였습니다. 향후 작업에서는 전향적 데이터 세트를 더욱 확장하고 환자 유형을 풍부하게 하는 것이 필요합니다.

둘째, 이 연구를 위해 선정된 일부 질환은 안저 영상의 범위를 벗어나는 주변 망막 영역부터 수집을 시작해야 합니다. 따라서 DLS는 초기 단계에서 이를 감지할 수 없습니다. 이 연구에서는 광시야 컬러 안저 사진을 사용했는데, 이를 통해 어느 정도 이 문제를 해결할 수 있었습니다.

셋째, DLS의 도움으로 주니어 안과의사의 진단 능력이 크게 향상되었으므로, 이 기술은 교육적 목적으로 응용 시나리오로 활용될 수도 있습니다. 이는 향후 연구에서 보다 포괄적으로 조사하고 평가해야 할 의미 있는 주제이기도 합니다.

Chen Youxin 교수는 안과학에 깊이 관여하고 있으며 AI 응용을 장려합니다.

"베이징 협화의과대학 병원은 얼마나 좋은가요?" - 이 게시물은 중국 소셜 미디어 플랫폼에서 활발하게 운영되고 있으며, 희귀한 사례를 들어 베이징 협화 의과대학 병원의 뛰어난 의료 기술을 보여주는 댓글이 무수히 많습니다. "동부의 비엔나 안과 센터"로서 유니온 병원 안과 부서는 오랫동안 업계의 선두주자로 활동해 왔습니다. 현재 원장인 천유신은 중국 안과학 발전사의 증인이자 창조자라고 할 수 있습니다.

1993년, 안과 분야에 막 입문한 천유신 박사는 장청펀 교수의 지도를 받는 안과 의사로 연합병원에 들어왔습니다. 2001년, 미국에서 유학 중이던 천유신 교수는 당시 중국 의학협회 안과분과 회장이었던 조가량 교수로부터 이메일을 받았는데, 조가량 교수는 이듬해에 열리는 제8회 전국안과학술대회 준비를 돕기 위해 가능한 한 빨리 중국으로 돌아가기를 바란다고 했습니다. 신중히 고려한 후,천유신은 결국 일찍 학업을 중단하고 중국으로 돌아와 전국 안과 연례 학술대회를 개최하기로 했습니다. 이 학술대회는 이후 수많은 중국 안과 의사들이 시야를 넓히는 데 도움이 되는 플랫폼이 되었습니다.

천유신 교수는 안과 분야에서 오랫동안 일해 왔습니다. 1982년 미국의 야누지 교수가 황반부학회 연례학술대회에서 최초로 안저질환인 특발성 결절성 맥락막 혈관병증(PCV)을 보고하고 명명했습니다. 연구가 심화되면서 학자들은 이 질병이 아시아인들에게서 가장 높은 발병률을 보인다는 것을 발견했고, 우리나라의 인구가 많은 것도 이 질병을 앓고 있는 많은 환자를 낳았습니다. 2017년, 중국 안과 커뮤니티에서 최초의 "PCV 연구 연합"이 천유신 교수의 주도로 설립되었습니다.

이후, 천유신 교수는 여러 국내 기관과 협력하여 START 연구를 진행했습니다. START 연구는 PCV 치료에 있어 컨버셉트 안과 주사제의 실제 적용에 대한 연구입니다. 결정적인,천유신 교수팀이 이끄는 "결절성 맥락막 혈관병증 진단 및 치료 체계 구축 및 이론적 혁신" 연구는 2022년 중국 의학과학기술상에서 2등상을 수상했습니다.

또한,이 논문의 제1저자인 리빙은 베이징연합의과대학 병원의 안과 의사인 천유신 교수와 예준지에 교수의 지도를 받았습니다.그는 현재 베이징 연합 의과대학 병원 안과에서 레지던트 의사로 일하고 있습니다. 그는 SCI급과 중국 핵심 학술지에 제1저자로 10편 이상의 논문을 출판하였고, 전국안과학회 연례학술대회, 전국안저질환학회 등의 학술대회에서 발표를 하였습니다.

AI를 이용한 안저질환 식별 분야에서는 베이징협화의과대학 안과병원이 시대를 선도하고 있습니다. 2021년 초, 천유신 교수는 인공지능을 통해 정맥폐쇄, 당뇨병변, 황반변성 등 다수의 질병을 성공적으로 식별했으며, 베이징 핵심 프로젝트로부터 500만 위안의 연구비를 지원받았습니다.

현재, 유니온병원 안과에서는 안과 질환 검진, 치료 예측, 눈과 전신 질환의 상관관계, 다중 모드 및 광각 안저 병변, 다중 질환 병변 식별 등에 인공지능을 응용하는 연구를 진행하고 있으며, 많은 기초 현장에서 적용 및 홍보하고 있습니다. 이를 통해 의료 자원의 불균형적인 발전으로 인해 발생하는 의료 치료의 어려움과 높은 비용 문제를 해결할 수 있는 아이디어와 솔루션을 제공하고 있습니다.

천유신 교수의 견해에 따르면, 모든 노력은 의료 자원을 기초 수준까지 끌어내어 대도시에서 멀리 떨어진 환자들에게 더 나은 진단과 치료를 제공하는 데 목적이 있습니다. 인공지능과 같은 기술이 발전하면서, 천유신 교수의 노력이 성과를 보이기 시작했습니다. 앞으로도 그는 난관을 극복하고 인공지능의 힘을 질병의 발병 과정, 발병 기전, 진단 및 치료에 계속 활용할 것입니다.

참고문헌:
1.https://mp.weixin.qq.com/s/zctJN7Q7PYjsPypkStWcoA

2.https://mp.weixin.qq.com/s/LoXWmWVpYnrr1-vKBrpL6A

3.https://mp.weixin.qq.com/s/IFS5JWIyb_5mqfJccAQO2g

4.https://mp.weixin.qq.com/s/zxP9n_vGWNcH2rPW-dq37g

5.https://www.pumch.cn/detail/34540.html