서울대학교병원운영 서울특별시보라매병원 영상의학과 김동현·김효진·서지운·채지원 교수 연구팀이 CT에서 명확하게 확인하기 어려운 골전이까지 탐지하도록 학습한 인공지능(AI) 모델을 개발했다.
골전이는 암 병기와 치료 방향을 결정하는 주요 요인이지만 CT에서 변화가 뚜렷하지 않은 병변은 발견하기 어렵다. 연구팀은 이를 보완하기 위해 MRI와 PET/CT를 기준 영상으로 활용해 CT에서 명확하게 보이는 병변과 불명확한 병변을 함께 학습 데이터에 포함했다.
이번 다기관 후향적 연구에는 국내 4개 의료기관 환자 332명의 흉부·복부 CT 502건과 골전이 병변 4999개가 포함됐다. 연구팀은 3차원 영상분할 알고리즘인 nnU-Net을 기반으로 CT에서 명확하게 보이는 골전이만 학습한 모델 1과 MRI·PET/CT에서 확인된 불명확 병변까지 학습한 모델 2를 구축했다. 외부 검증에는 별도 의료기관 자료를 사용했다.
모델 2의 병변 단위 재현율은 41.8%로 모델 1의 33.9%보다 높았다(P<0.001). CT에서 명확하게 보이는 골전이만 분석했을 때도 모델 2의 재현율은 53.6%로 모델 1의 44.7%를 웃돌았다.
병변 탐지 정밀도는 모델 2가 80.1%로 영상의학과 전공의 그룹의 66.6%, 근골격 영상의학 전문의 그룹의 66.5%보다 높았다. 재현율은 모델 2가 41.8%, 전공의 그룹이 39.4%, 전문의 그룹이 43.8%로 통계적으로 유의한 차이가 없었다.
모델의 CT 1건당 평균 분석 시간은 49초였다. 연구팀은 임상 영상 뷰어와 연동해 의심 병변을 표시하거나 골전이 부피와 치료 전후 변화를 정량적으로 평가하는 방식으로 활용 범위를 넓힐 수 있을 것으로 내다봤다.
다만 연구 자료 대부분이 조영증강 CT였고 외부 검증 대상이 비교적 적었다. 현재 모델은 탐지한 병변의 양성·악성 여부를 별도로 분류하지 못해 추가 연구가 필요하다.
교신저자인 김동현 교수는 “MRI와 PET/CT를 활용해 CT에서 발견하기 어려운 골전이까지 정답 데이터로 구축한 것이 이번 연구의 특징”이라며 “실제 판독 환경에서는 놓칠 수 있는 병변을 추가로 확인하는 보조적 안전망으로 활용할 수 있을 것”이라고 말했다.
연구 결과는 국제학술지 ‘Radiology: Artificial Intelligence’ 제8권 3호에 게재됐다.
