20,000건 중 31건은 오진으로 확인되었습니다. 알리바바 다모 아카데미, 췌장암 검진 위한 '플레인 스캔 CT+대형 모델' 출시 주도

의학이 급속도로 발전하고 있지만, 사람들은 여전히 "암"이라는 단어에 대해 이야기할 때 두려움을 느끼지 않을 수 없습니다. 그 중에서도 췌장암은 숨겨진 발병과 짧은 생존 기간으로 인해 치료가 특히 어렵습니다. 중국 질병통제예방센터의 수석 역학자인 우존유와 애플 창립자 스티브 잡스는 췌장암의 "손아귀"에서 벗어나지 못했습니다. 그 중 췌장암 환자의 95%를 차지하는 췌장관암(PDAC)은 모든 고형암 중 가장 치명적인 암 중 하나로, '암의 왕'으로 불립니다. 2020년 데이터에 따르면 PDAC는 매년 약 466,000명의 사망을 초래합니다.

세계보건기구는 암의 3분의 1이 조기 발견을 통해 치료될 수 있다고 밝혔습니다. 그러나 췌장암의 초기 단계에서는 눈에 띄는 증상이 거의 없으며, 췌장은 신체 깊숙한 곳에 숨어 있습니다. 복부 초음파나 단순 CT 스캔과 같은 기본 영상 검사에서는 영상 대비가 낮아 초기 병변을 식별하기 어렵습니다. 강화된 CT 및 기타 영상 진단은 대조제 주입이 필요하고, 검사 주기가 길며, 비용이 많이 들기 때문에 췌장암의 대규모 조기 검진에는 적합하지 않습니다.

췌장암의 조기 검진 및 조기 치료에 관하여,알리바바 다모 아카데미는 상하이 췌장질환 연구소, 저장대학 의학원 제1부속병원, 중국 의과대학 성징병원 등 국내외 의료기관과 협력하여 딥러닝을 기반으로 한 인공지능을 통한 췌장암 검출(PANDA)을 개발했습니다., "일반 스캔 CT + AI"를 통해 췌장암의 대규모 조기 검진을 실시합니다. 해당 연구 결과는 Nature Medicine에 게재되었습니다.

종이 주소

https://www.nature.com/articles/s41591-023-02640-w

데이터 세트: 5개의 환자 코호트 포함

이 연구의 데이터 세트는 5개의 환자 코호트로 구성되었습니다.

* AI 모델을 구축하기 위한 내부 교육 데이터 세트 대기열

*모델 성능 평가를 위한 내부 테스트 대기열

*모델 일반화 가능성을 평가하기 위한 외부 다중 센터 테스트 코호트

* 흉부 비조영제 CT 검사 코호트는 흉부 CT 스캔에 대한 일반화를 평가하는 데 사용됩니다.

*실제 임상 평가 코호트는 임상 번역 문제를 평가하는 데 사용됩니다.

이 중 내부 훈련 코호트에서 PANDA는 2015년 1월부터 2020년 10월까지 상하이 췌장질환 연구소(SIPD)에 입원한 환자 3,208명의 복부 일반 CT 스캔 훈련 세트를 사용하여 훈련을 받았으며, 연구자들이 2년간 추적 조사를 실시하여 이를 확인했습니다.

모델 아키텍처: 병변 유형을 식별하는 변환기 

PANDA(인공지능을 활용한 췌장암 탐지)는 세 가지 계단식 네트워크 단계로 구성되어 있으며, 모델 복잡도와 작업 난이도가 점차 증가합니다. 먼저, 췌장의 위치를 파악하기 위해 분할 네트워크(nnU-Net)를 구축한 다음, 합성곱 신경망(CNN)을 사용하여 비정상 병변을 탐지하고, 마지막으로 듀얼 채널 변환기를 사용하여 췌장 병변의 유형을 분류하고 식별합니다.

첫 번째 단계(그림 a)에서는 췌장 병변이 CT 스캔에서 작은 영역으로만 나타나므로 췌장의 위치를 파악하면 병변 탐지 과정을 가속화하고 췌장 영역의 전문적인 교육과 관련이 없는 정보를 제거할 수 있습니다. 이와 관련하여,연구진은 의료 영상 분할 프레임워크인 nnU-Net을 사용하여 비조영제 CT 스캔 입력에서 전체 췌장을 분할했습니다.

두 번째 단계(그림 b)는 주로 병변 감지를 위한 것입니다.연구진은 분할 네트워크에서 다단계 특징을 추출하고, 일반 CT에서 췌장 병변의 미묘한 질감 변화를 구별하기 위해 합성 신경망과 분류 헤드를 구축했습니다.동시에 연구진은 2단계 모델을 조정하여 훈련 세트의 교차 검증에서 병변 탐지 특이성이 99%에 도달하도록 했고, 이를 통해 거짓 양성 예측을 줄였습니다.

세 번째 단계(그림 c)는 주로 췌장 병변의 감별 진단에 관한 것입니다.2단계에서 이상이 감지되면 보조 메모리 변환기가 통합되어 국소적 질감, 위치, 췌장 모양과 같은 췌장 병변의 특징적 원형을 자동으로 인코딩하여 더욱 정확하고 세부적인 분류가 가능합니다.

실험적 검증: 이 모델은 전문 영화 독자보다 약간 더 나은 성능을 보입니다.

내부 테스트

연구팀은 내부 시험 평가에서 상하이 췌장질환 연구소에서 병변 검출을 위해 291명의 환자를 선정했습니다. 췌장관암 환자는 108명, 비췌관암 환자는 67명, 정상 대조군은 116명이었습니다.

PANDA의 수신자 조작 특성 곡선(ROC 곡선) 아래의 면적(AUC)은 0.996(95% 신뢰 구간 0.991-1.00)이고, 민감도는 94.9%, 특이도는 100%였습니다. 일반적인 췌장관 선암 아형의 경우 PANDA의 민감도는 97.2%, 특이도는 97.3%였습니다. 더 작은 PDAC(직경 <2cm)의 경우 검출 감도는 85.7%에 도달했습니다.

외부 테스트

외부 다기관 시험 평가에서 연구진은 중국 본토, 대만, 체코 공화국의 9개 센터에서 5,337명의 환자를 선정했습니다. 이 중 췌장관암 환자 2,737명, 비췌관암 환자 932명, 정상 대조군 1,668명이 포함되었습니다.

결과는 췌장 병변에 대해 PANDA의 AUC 값이 0.984, 민감도는 93.3%, 특이도는 98.8%임을 보여주었습니다. PDAC 하위 그룹의 경우 전체 검출률은 96.5%였습니다. 작은 병변(직경 <2cm, T1)이 있는 PDAC의 경우 민감도는 92.2%였습니다. 전반적으로 PDAC 진단의 민감도는 90.1%에 도달했고, 특이도는 95.7%에 도달했습니다.

흉부 CT 스캔 검사

또한 연구진은 PANDA를 이용해 흉부 CT에서 췌장 병변을 검출하는 것이 가능한지 검증했습니다. 연구진은 상하이 췌장질환 연구소에서 492명의 환자를 대상으로 비조영제 흉부 CT 스캔 영상을 수집했는데, 이 중에는 63명의 췌장관암 환자, 51명의 비췌관암 환자, 그리고 훈련 데이터와 무관하게 테스트 코호트로 378명의 정상 대조군이 포함되었습니다.

흉부 CT 스캔을 조정하지 않은 경우, PANDA는 병변 탐지에 있어 민감도 86.0%, 특이도 98.9%를 나타냈습니다. 흉부 CT 프로토콜에 따르면 일부 췌장 병변은 완전히 스캔할 수 없다는 점을 언급하는 것이 좋습니다. 연구진은 조영제를 첨가한 복부 CT 스캔에서 병변 위치를 참조하여 흉부 CT에서 병변 스캐닝의 완전성을 분석한 결과, 췌장관암 환자의 67%와 비췌관암 환자의 43%가 불완전하게 스캔되었음을 발견했습니다. CT 스캔 시야에서 췌장 병변이 포착되지 않은 환자 중에서 75% 췌장관 선암 사례가 PANDA를 통해 성공적으로 발견되었습니다.

임상 적용 시험

또한 연구팀은 PANDA의 실제 사용 가능성을 더욱 검증하기 위해 두 차례의 임상 적용 평가를 실시했습니다.

1차 조사에서는 총 16,420명의 환자를 선정하여 실제 임상 성과, 간호 진단 시나리오의 변화, 환자 혜택 측면에서 PANDA의 효과를 평가했습니다.

결과는 병변 검출에서 PANDA의 전반적인 민감도가 84.6%이고 특이도가 99.5%임을 보여주었습니다. 췌장관암을 식별하는 데 있어 PANDA의 전반적인 민감도는 95.5%, 특이도는 99.9%였습니다. 또한, 신체 검진, 응급, 외래, 입원의 네 가지 시나리오에서 PANDA는 입원 환자의 병변 검출에 가장 높은 민감도인 88.6%를 보였고, 신체 검진 환자의 병변 검출에 PANDA는 가장 높은 특이도인 99.8%를 보였습니다.

두 번째 테스트와 평가 전에 연구진은 거짓 양성 결과를 줄이고 이전에 관찰되지 않았던 질병 유형을 확대하기 위해 모델을 최적화했습니다. 연구진은 엄격한 사례 조사와 점진적 학습을 통해 PANDA를 PANDA-plus로 업그레이드하고 두 번째 라운드의 임상 적용 연구를 수행했습니다.

이번 평가에는 총 4,110명의 환자가 포함되었습니다.PANDA-plus는 PANDA에 비해 위양성률을 80.% 이상 감소시켰고, 췌장 병변과 췌장관암을 검출하는 특이도는 99.9%에 달했습니다. 동시에 PANDA-plus의 급성 췌장염 검출 민감도는 90.0%에 도달했습니다.

더 중요한 것은,20,530명의 환자를 대상으로 한 실제 임상 연구에서 PANDA는 암 5건과 임상적으로 놓친 26건을 발견했으며, 췌장 신경내분비 종양이 있는 환자 1명에게 완치적 치료법을 제공했습니다.

또한 연구팀은 췌장 영상 전문가, 일반 방사선과 의사, 방사선과 레지던트와 협력하여 실제 필름 판독 비교를 실시했습니다. 췌장 영상 분야의 전문가 15명이 같은 291명의 환자를 대상으로 다중 단계 증강 CT 스캔을 해석한 결과, PANDA는 증강 CT 스캔을 사용하는 전문가 판독자의 평균 성능보다 증강되지 않은 CT 스캔에서 약간 더 나은 성능을 보였습니다.

DAMO Academy의 AI 의료 환경

DAMO 아카데미 의료 AI 팀장이자 IEEE 펠로우인 뤼 러(Lü Le)는 언론과의 인터뷰에서 "저희의 가장 큰 혁신은 일반 CT 스캔에서 췌장암 검진에 AI를 사용할 수 있다는 것을 처음으로 입증했고, 이전에는 달성 불가능하다고 생각했던 높은 성과를 달성했다는 점입니다."라고 말했습니다.

또한, 이 논문의 공동 제1저자이자 상하이 췌장질환 연구소의 카오 카이 박사는 "PANDA가 췌장암 검진에 대한 업계의 이해를 넓히고 임상 치료 개발을 촉진할 것"이라고 믿고 있습니다. 푸단대학 암병원 방사선 진단과 공동 제1저자인 탕웨이 박사는 "PANDA는 환자에게 추가적인 방사선 조사와 재정적 부담을 주지 않고도 검출률을 향상시키는 잠재적인 대규모 췌장암 검진 방법을 제안합니다."라고 말했습니다.

DAMO 아카데미 공식 웹사이트에서 제공한 데이터에 따르면, PANDA는 병원, 신체 검사 및 기타 시나리오에서 50만 번 이상 호출되었으며, 1,000번 중 단 1번만 거짓 양성 반응이 나왔습니다.

AI와 의료 데이터의 결합으로 췌장암에 대한 엄청난 타격이 시작되었다는 점에는 의심의 여지가 없으며, 조기 검진과 치료가 가능해졌습니다. 이것이 바로 의료 AI의 원래 의도입니다. DAMO 아카데미에 대해 잘 아는 독자라면 의료 AI 팀이 오랫동안 AI와 의료 영상의 통합 연구에 전념해 왔다는 사실을 알고 있을 것입니다. DAMO 아카데미 의료 AI팀은 정밀 암 진단 및 치료, 정밀 만성 질환 진단 및 치료, 신경 퇴행성 질환의 사전 스크리닝이라는 세 가지 주요 방향에 집중하고 있는 것으로 알려졌습니다.

PANDA 외에도올해 8월, DAMO 아카데미는 중산대학 암센터, 쓰촨성 암병원, 저장대학 제1부속병원, 성징병원, 광둥성인민병원 등의 기관과 함께 통일된 다중 암 영상 분석 모델(cancerUniT)을 제안했습니다.Mask Transformer 의미론적 분할을 기반으로, 이전에는 여러 종양 이미지를 균일하게 감지, 분할 및 진단하기 어려웠던 문제를 해결합니다. 이 방법은 주요 고발병률 및 고치사율 암 8종(폐암, 대장암, 간암, 위암, 유방암, 식도암, 췌장암, 신장암)과 관련 장기의 종양 하위 유형에 적용됩니다.

이전에 DAMO Academy에서 무료로 공개한 100개의 AI 특허 중 3개는 "영상 유도 방사선 치료", "종적 병변 정량화", "아틀라스 기반 분할 및 다중 모드 융합 컴퓨터 지원 진단"에 적용되는 정밀 암 치료를 위한 것입니다.

또한,2022년 10월, DAMO 아카데미는 저장대학 의과대학 제1부속병원과 공동으로 위험기관 계층적 분할 모델(SOARS)을 제안했습니다.자동화되고 효율적인 알고리즘 시스템인 SOARS는 42개의 머리와 목 OAR을 정확하게 분할하기 위해 2차원 계층적 딥 러닝 프레임워크를 구축합니다.

DAMO 아카데미의 의료 AI팀은 전 세계 여러 유명 의료기관과 협력하여 AI 기술을 활용해 다중 암 검진을 위한 저렴하고 효율적인 새로운 방법을 모색하고 있다고 합니다. 또한 이를 통해 의료 분야에 더 많은 AI '블랙 테크놀로지'가 도입될 수 있을 것으로 기대된다.

참고문헌:1.https://mp.weixin.qq.com/s/WhWnkkAFJjAkqGlMTDEx9w2.https://mp.weixin.qq.com/s/wkNutLLWNHkZByY0QV90pg3.https://mp.weixin.qq.com/s/_qhIW3OB3qnjs83izKvWBg