[의학] 컴퓨터 판독은 얼마나 유용할까? <유방촬영술 CAD의 가치>

in #kr7 years ago (edited)

안녕하세요? 영상의학과 전문의 @radiologist입니다.

오늘은 컴퓨터 판독과 유방촬영술에 대해 알아보겠습니다.

shutterstock_651441421.jpg

십 수년 전부터 CAD system(Computer-assisted diagnosis system)은 유방촬영술에 사용되고 있습니다. 제가 레지던트를 하던 4, 5년 전에도 존재했고, 실제 사용도 해보았습니다. 그런데, 전혀 아는게 없던 1년차때만 참조했지, 많이 배우고 난 뒤에는 거의 참조하지 않았던 생각이 납니다.

최근 폐결절에 대한 CAD 포스팅을 하면서, 이전에 직접 사용해보기도 했던 유방촬영술 CAD에 대해 찾아 보았습니다.

CAD를 이용한 유방촬영술의 판독

유방암의 조기 진단을 위한 유방 촬영 판독은 숙련과 경험이 필요합니다. 1명 보다 2명이 판독하면 유방암을 15% 더 발견 할 수 있다고 합니다. 1990년대 이후로 CAD가 발전되었는데, CAD(computer-assisted diagnosis)의 정의는 ‘영상의학과 의사가 영상을 판독할 때 컴퓨터 분석의 결과를 고려하여 진단을 내리는 것’입니다.

CAD의 과정은, 영상의학과 의사가 먼저 CAD 정보 없이 판독하고, 이후 CAD system을 적용하여 표지 된 부위를 더 자세히 살펴본 후 최종 판독을 하는 것입니다. 이렇게 CAD system은 판독자에게 제 2의견(second opinion)을 제공하는 제2의판독자(second reader)로의 의미를 가집니다.

그림1.png
(좌) 화살표가 유방암.
(우) 유방암이 별표로 맞게 표지된다. 십자와 삼각형은 위양성(실제 병변 아님).

영상의학과 의사 2명의 이중 판독은 암 발견율을 4~15% 올리지만 재검사율을 높이고 시간과 비용이 많이 든다고 합니다. CAD system으로 대체한다면 비용과 시간 면에서는 유리한 점을 가집니다.

CAD의 효과에 대한 연구에 따르면 재검사율이 증가했지만 암발견율도 증가했다는 결과도 있습니다. 그러나 어떤 연구는 CAD를 쓰나 안쓰나 암발견율과 재검사율이 차이가 없다고도 합니다. 오히려 더 안좋게, 위양성만 늘어 재검사율만 높인다는 연구도 있습니다.

그림2.png
(좌) 화살표는 섬유낭성변화(미세석회화).
(우) 실제 병변이 아닌 곳에 삼각형들이 많다. 모두 위양성.

비교적 최근의 논문들을 살펴보겠습니다.

1. 정말 제2 판독자로 쓸 수 있을까?

그림3.png

결론은 1+CAD 판독이 1+1 판독과 최소한 동일한지 알기에는 과학적 근거가 부족하다는 결과입니다. 이런 결론에서는 +@로 CAD를 쓰는게 좋다 나쁘다 말하기가 힘들어보입니다.

2. CAD를 쓴다면 정말 유용한가?

그림4.png

BR 군은 유방을 전문으로 하는 영상의학과 전문의, RR 군은 영상의학과 레지던트 입니다. 두 군에서 혼자 판독보다 CAD를 쓰면 민감도가 오르고, 다른 진단 지표들도 오르는 경향이 있었습니다. 또한 판독 시간이 감소했습니다.

3. CAD를 쓰면 비용대비 효과가 좋을까?

그림5.png

영국에서 시행한 연구입니다. 2명 사람을 쓰는 것과 1+CAD system의 비용 효과 분석입니다. CAD를 도입할 때 프로그램 및 장비, 사용법 훈련이 필요합니다. 판독시간이나 판독자의 능력, 도입 가격에 따라 변동의 여지가 있으나, CAD의 능력이 향상되지 않는 한 오히려 비용-효과적인 측면에서 CAD system도입이 유리하다고 하기 어렵다는 결론입니다.

4. 유방촬영술만 가능할까?

그림6.png

당연히, 유방촬영술뿐 아니라 MRI에 대한 연구도 이루어지네요. 유방암의 범위나 다발성여부를 평가하는데 쓸 수 있겠다는 내용입니다.

그림7.png
MRI CAD system. 색깔로 표시된 부분이 유방암.

결론

유방촬영술의 판독에 있어 이중 판독이 유리한 것은 이미 알려진 사실입니다. 그러나 두 명을 모두 쓴다는 것은 비용과 시간에 한계가 있습니다. 이런 면에서 CAD system이 주목 받는 것은 당연합니다. 현재까지는 CAD를 쓴다면 혼자 판독 보다는 유용 할 수 있다는 결론입니다. 물론 반론도 존재 합니다. 그러나 이전의 연구들에 비해 현재, 미래의 CAD system은 발전 할 것은 당연합니다. 앞으로 더 진단률이 좋아지고, 가격이 착해진다면 ‘옛날엔 CAD system을 안썼어? 지금은 상상도 안되는데..’라고 생각할 지도 모르겠습니다.

마치 PACS system이 도입 되기 전(computer가 없던 시절), 필름 찾으러 다니고, 필름 없으면 판독할 수 없었던, 옛날이 상상되지 않는 것처럼요. 이 글을 쓰는 저도 하루빨리 CAD system에 대한 많은 공부를 해야겠다고 느낍니다. END.

shutterstock_561931702.jpg

Reference

  1. 대한유방영상의학회. 제 2판 유방영상진단학. 일조각. 2012.
  2. Edward Azavedo et al. Is single reading with computer-aided detection (CAD) as good as double reading in mammography screening? A systematic review. BMC Medical Imaging 2012, 12:22. [Open access, CC-BY]
  3. Na Young Jung et al. Who could benefit the most from using a computer-aided detection system in full-field digital mammography? World Journal of Surgical Oncology 2014, 12:168. [Open access, CC-BY]
  4. Carla Guerriero et al. Is computer aided detection (CAD) cost effective in screening mammography? A model based on the CADET II study. BMC Health Services Research 2011, 11:11. [Open access, CC-BY]
  5. Sung Eun Song et al. Computer-aided detection (CAD) system for breast MRI in assessment of local tumor extent, nodal status, and multifocality of invasive breast cancers: preliminary study. Cancer Imaging (2015) 15:1. [Open access, CC-BY]

All images without source from Shutterstock and Ref. #2~5.

크리에이티브 커먼즈 라이선스
이 저작물은 크리에이티브 커먼즈 저작자표시-비영리-변경금지 4.0 국제 라이선스에 따라 이용할 수 있습니다.

투명배경.png

전문가들이 직접 쓰는 최초의 STEEM 의학 매거진

https://mediteam.us-바로보기

Sort:  

AI의 물체인식과 비슷한 메커니즘인가요..?ㅎㅎ
그렇다면 영상 데이터가 늘어날수록 미래에는 더 발전 하는건 당연할것 같네요ㅎㅎㅎ

저도 자세히는 모르지만, 여러가지 알고리즘이 존재합니다. 딥러닝에서 사용하는 패턴인식 법도 쓰고, 어떤 경우는 이미지를 디지털화하여 분석하거나, 윤곽을 그려 분석하는 등 여러가지 기법을 복합적으로 쓰는 것 같습니다. 어렵습니다. ㅠㅠ

글 잘 읽었습니다. 제 블로그에 [작명법]에 대한 소개가 있습니다. 방문해 주세요~

감사합니다 ^^ 팔로우하고 방문해보겠습니다.

광고인지 사실인지 모르겠지만...
폐암같은 경우 컴퓨터 판독이 90%이상의 정확도를 자랑한다고 하더라구요... 이것도 비슷한 경우겠죠..?

아마 업체의 광고일겁니다 ㅎㅎ 아직은 그정도는 안되리라 생각되고.. 컴퓨터가 단독으로 판독을 하고, 또 의사가 그것을 백프로 믿기까지는 시간이 걸리리라 생각합니다. 일단 컴퓨터가 사람이 하는 판독에 도움을 주는 것이 먼저라고 생각합니다 ^^

아 그런거였군요..? 저도 들으면서 반신반의 했거든요... :)
의혹이 해소되었습니다 ^^

Coin Marketplace

STEEM 0.22
TRX 0.27
JST 0.041
BTC 104893.66
ETH 3859.77
SBD 3.29