RSNA 2023, 북미 방사선 학회 연례 회의 (RSNA)는 이번 주 시카고에서 열리며 방사선학의 모든 분야에서 최근의 연구 발전과 제품 개발을 선보입니다. 올해 행사에는 인공 지능(AI) 및 기계 학습 애플리케이션에 초점을 맞춘 수많은 논문, 포스터, 강좌 및 교육 전시회가 포함됩니다. 다음은 발표된 연구 중 일부입니다.

뇌 MRI 스캔으로 ADHD 특성 확인

주의력결핍 과잉행동장애(ADHD)는 사람의 행동에 영향을 미치는 일반적인 질환입니다. ADHD가 있는 어린이는 집중력, 충동적 행동 통제 또는 활동 조절에 어려움을 겪을 수 있습니다. 조기 진단과 개입이 중요하지만 ADHD는 진단하기 어렵고 주관적인 자가 보고 설문조사에 의존합니다.

현재 캘리포니아 대학교 샌프란시스코 캠퍼스 연구팀(UCSF)는 AI를 사용하여 ADHD가 있는 청소년과 없는 청소년의 MRI 뇌 스캔을 분석하여 ADHD가 있는 개인의 뇌 백질 영역 XNUMX개에서 상당한 차이를 발견했습니다. 이러한 혁신적인 기술 사용은 의료 영상 분야의 진화하는 환경을 강조합니다. 의료 영상 분야의 고급 교육 프로그램 차세대 전문가 양성에 중추적인 역할을 할 것”이라고 말했다.

연구진은 청소년 뇌 인지 발달(Adolescent Brain Cognitive Development) 연구에서 1704명의 뇌 영상 데이터를 사용했습니다.ABCD) ADHD가 있거나 없는 대상을 포함한 연구. 확산 가중 영상(DWI) 데이터에서 그들은 뇌의 30개 주요 관을 따라 백질 관의 섬유를 따라 수분 확산을 측정하는 부분 이방성(FA) 측정값을 추출했습니다.

그들은 1371명의 FA 데이터를 입력으로 사용하여 딥 러닝 AI 모델을 훈련하고 ADHD 진단을 받은 333명과 ADHD 진단을 받지 않은 193명을 포함하여 140명의 환자를 대상으로 모델을 테스트했습니다. AI 모델은 ADHD 환자의 FA 값이 XNUMX개 백질 영역에서 상당히 증가한 것을 발견했습니다.

UCSF와 Urbana-Champaign의 Carle Illinois 의과대학의 Justin Huynh은 "ADHD 환자의 MRI 신호의 이러한 차이는 이 정도 세부 수준에서는 이전에 본 적이 없습니다."라고 말했습니다. “일반적으로 XNUMX개의 백질 영역에서 나타나는 이상은 ADHD의 증상과 일치합니다. 이 방법은 정량적이고 객관적인 진단 프레임워크에서 ADHD를 진단하는 데 사용할 수 있는 영상 바이오마커를 찾기 위한 유망한 단계를 제공합니다.”

폐암 발병 위험이 높은 비흡연자 식별

폐암은 전 세계적으로 암 사망의 가장 흔한 원인입니다. 미국에서는 현재 또는 최근 흡연자에게 저선량 CT를 이용한 폐암 검진을 권장하지만, 흡연을 전혀 하지 않거나 흡연을 거의 하지 않는 '비흡연자'에게는 권장하지 않습니다. 그러나 폐암의 약 10~20%는 비흡연자에게서 발생하며, 이 그룹의 암 발생률은 증가하고 있습니다. 그리고 선별검사를 통한 조기 발견 없이는 비흡연자가 흡연하는 사람보다 폐암이 더 진행된 경우가 많습니다.

이러한 상황을 개선하기 위해 심장혈관영상연구센터 팀(서커스) MGH와 하버드 의과대학에서는 딥 러닝 모델이 정기적인 흉부 엑스레이를 기반으로 폐암 위험이 높은 비흡연자를 식별할 수 있는지 테스트하고 있습니다. "우리 접근 방식의 가장 큰 장점은 단일 흉부 엑스레이 이미지만 필요하다는 것입니다. 이는 의학에서 가장 일반적인 테스트 중 하나이며 전자 의료 기록에서 널리 사용 가능합니다."라고 수석 저자는 말합니다. 아니카 왈리아.

연구진은 147,497명의 무증상 흡연자와 비흡연자의 흉부 엑스레이 40,643장을 사용하여 CXR-폐-위험 모델을 개발했습니다. PLCO 암 검진 시험. 그들은 정기적으로 흉부 엑스레이를 촬영한 별도의 비흡연자 그룹에서 모델을 검증했습니다. 연구에 참여한 환자 17,407명 중 모델은 28%를 고위험군으로 분류했습니다. 2.9년간의 추적 조사 결과, 전체 코호트의 1.3%에서 폐암이 발생했습니다. 고위험군에 속한 사람들은 선별검사가 권장되는 XNUMX년 위험 기준치인 XNUMX%를 훨씬 초과했습니다.

연구팀은 연령, 성별, 인종, 임상적 요인을 조정한 후에도 고위험군 환자는 저위험군 환자보다 폐암 발병 위험이 2.1배 더 높았다고 지적했습니다.

유방암 위험 평가에서 인종 편견 제거

매사추세츠 종합병원 연구원(MGH)는 유방조영술 이미지의 바이오마커만을 사용하여 유관상피내암종(DCIS)과 침윤성 유방암을 모두 정확하게 예측하는 딥러닝 모델을 개발했습니다. 중요한 것은 새로운 모델이 다양한 인종의 환자들에게도 똑같이 효과적이라는 것입니다.

전통적인 유방암 위험 평가 모델은 모델을 만드는 데 사용된 인구 데이터로 인해 다양한 인종에 걸쳐 낮은 성능을 나타냅니다. "일반적으로 사용되는 여러 모델은 주로 유럽계 백인 인구를 대상으로 개발되었습니다."라고 수석 저자는 설명합니다. 레슬리 램. 그러나 미국 암 협회(American Cancer Society)에 따르면 흑인 여성은 모든 인종 및 민족 그룹 중에서 유방암에 대한 5년 상대 생존율이 가장 낮습니다. 이는 인종 편견 없는 위험 모델의 필수적인 필요성을 강조합니다.

다중 현장 연구에서 Lamb과 동료들은 여러 인종에 걸쳐 침윤성 유방암과 초기 유방암인 DCIS를 예측하는 모델의 성능을 평가했습니다. 여기에는 129,340명의 여성을 대상으로 실시된 71,479건의 일상적인 양측 유방촬영술과 106,839년간의 추적 데이터가 포함되었습니다. 연구 그룹에는 백인(시험 6154건), 흑인(시험 6435건), 아시아인(시험 6257건) 여성뿐만 아니라 스스로 다른 인종(시험 3655건), 인종을 알 수 없는 여성(시험 XNUMX건)도 포함되었습니다.

새로운 모델은 유방암 발병 위험 예측에서 기존 위험 모델을 지속적으로 능가했으며, 모든 인종에 걸쳐 DCIS와 침습성 암 모두에 대한 예측률이 0.71로 나타났습니다. 이 모델은 유색인 환자에서 DCIS를 0.77, 백인 환자에서 0.71로 예측하는 ROC 곡선 아래 면적(AUC)을 달성했으며, 침습성 암을 예측하는 경우 AUC는 유색인 환자에서 0.72, 백인 환자에서 0.71이었습니다. 연구팀은 전통적인 위험 모델이 백인 여성의 AUC를 0.59~0.62로 나타냈고, 다른 인종의 경우 훨씬 낮은 성능을 보였다고 지적했습니다.

Lamb은 “이 모델은 육안으로 볼 수 있는 것 이상으로 유방 조영술에서 미묘한 이미징 바이오마커의 다양성을 완전히 해석할 수 있어 DCIS와 침습성 유방암에 대한 여성의 미래 위험을 예측할 수 있습니다.”라고 Lamb은 말합니다. "딥 러닝 이미지 전용 위험 모델은 보다 정확하고 공평하며 비용이 적게 드는 위험 평가에 대한 접근성을 높일 수 있습니다."

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://physicsworld.com/a/rsna-2023-showcases-ai-in-radiology/