[의학 연구] 컴퓨터는 폐암의 종류를 잘 예측할 수 있을까? <CAD system on chest CT 2>
kr·@radiologist·
0.000 HBD[의학 연구] 컴퓨터는 폐암의 종류를 잘 예측할 수 있을까? <CAD system on chest CT 2>
안녕하세요? 영상의학과 전문의 @radiologist입니다. 오늘 살펴볼 내용은 **컴퓨터**가 **폐암의 종류**를 잘 예측 할 수 있는지 살펴보는 내용입니다. 이전에 [컴퓨터가 병변을 찾을 수 있을까?](https://steemit.com/kr/@radiologist/ct-cad-system-on-chest-ct-1) 의 내용과는 조금 다른 내용입니다. <center></center> # 들어가기 앞서 아래 내용에서 약자로 표기된 **폐암** 종류가 많은데, 이에 대해 간단히 보겠습니다. 폐암 크게 소세포암(SCLC, small call lung cancer) 비소세포암(NSCLC, non-small cell lung cancer)으로 나누며, 비소세포암은 **선암(adenocarcinoma)**와 편평세포암(squamous carcinoma), 대세포암(Large cell carcinoma)로 나눕니다. 이중 발생률이 높고 또 비흡연자 및 여성에서 많이 생기는 암이 **선암**입니다. 선암은 조직학적으로 다음과 같이 분류합니다. <center></center> **CT**에서 선암의 조직학적 분류를 예측하면 **추적 검사 및 치료 방법**에 영향을 줍니다. 그래서 CT에서 정확히 분류를 예측할 수 있다면 큰 도움이 됩니다. CT에서는 아래로 갈수록(조직학적으로 안좋을 수록) **크기**가 커지고, 결절의 **고형 성분**이 많아져 CT density (CT에서 하얀 정도)가 올라갑니다. 그런데 고형 성분이 안보이는 **pure GGO 결절**은 조직학적 예측이 쉽지 않습니다. <center> *같은 결절의 변화. 왼쪽은 뿌옇게 보이는 pure GGO, 오른쪽은 4년 뒤 하얗게 변한 part-solid GGO(고형 성분이 생겼다는 말). 왼쪽처럼 전체적으로 뿌옇게 보이는 것이 pure GGO 결절이며, 판단이 어렵다.* From; Jessica L. Seidelman et al. Incidental, subsolid pulmonary nodules at CT: etiology and management, Cancer Imaging (2013) 13(3), 365373. [Open access, CC-BY]</center> # 컴퓨터로 폐암 종류 예상하기 Ursula Nemec et al. Software–based risk stratification of pulmonary adenocarcinomas manifesting as pure ground glass nodules on computed tomography. Eur Radiol (2018) 28:235–242. ## 방법 이 연구는 “Computer Aided Nodule Assessment and Risk Yield” (CANARY) software package를 사용했습니다. 이 프로그램은 **복셀** 농도(voxel density)를 분석하여 폐결절의 **위험성**(즉, 조직학적 분류)을 예측합니다. 연구는 후향적 연구로, 이미 수술하여 병리적(조직학적)으로 확인된 **pure GGO**(고형 성분이 안보이는) 결절을 대상으로 했습니다. 이 결절을 다시 두 명의 흉부 전문 영상의학과 의사가 프로그램을 통해 분석하여 대조하였습니다. 여러 기준에 따라, 최종적으로 **64개**의 병변이 대상이 되었습니다. 프로그램은 결절을 여러 개로 쪼개고, 쪼개진 복셀을 분석하여 **9가지 종류의 색깔**로 맵핑했습니다. (1) **저위험**은 blue-green-cyan, (2)**중위험**은 pink-yellow, (3)**고위험**은 violet-indigo-red-orange로 맵핑했습니다. 결절의 분석을 한 뒤, 이미 확인된 조직학적 분류(AIS/MIA/IAC)로 나누어 맵핑간의 차이가 있는지 보았습니다. 또한 결절 내 **저위험 맵핑이 차지하는 퍼센테이지**와 조직학적 분류가 연관 있는지, 그리고 마지막으로 침습적 병변(MIA and IAC)을 예측하는, 저위험 맵핑이 차지하는 퍼센테이지의 **문턱 값(기준 값)**을 평가했습니다 (즉, 저위험 맵핑이 얼마나 적으면 침습적 병변인지). ## 결과 64개 중에 28개(44%)는 AIS, 26개(41%)는 MIA, 10개(16%)는 IAC였습니다. 3개로 나누어 서로간 맵핑의 분포 차이가 있는지 분석해보았을 때 **저위험도 맵핑이 차지하는 퍼센테이지**가 AIS>MIA>IAC 순으로 **유의하게 차이**가 있었습니다. 중위험, 고위험 맵핑의 퍼센테이지는 역순의 유의한 차이를 보였습니다. <center> *비침습 병변. 저위험 색깔이 대부분이다.*</center> <center> *침습 병변. 저위험 색깔이 적게 보인다.*</center> 아래 그림은 비침습(AIS)/침습(MIA, IAC)로 나누어서 저위험 부분이 얼마인지 나타낸 그림입니다. <center> *침습 병변(우측)은 저위험이 차지하는 부분이 적다.*</center> 다음 표는 **저위험이 차지하는 퍼센테이지**의 기준에 따라 민감도,특이도 및 양성/음성 예측도를 나타낸 표입니다. <center> *저위험이 차지 부분 기준을 50%이하로 기준을 잡으면 특이도와 양성예측도가 좋다.*</center> ## 고찰 종합해보면 이 연구를 통해 **Pure GGO 결절의 조직학적 타입**에 따라 **CANARY 맵핑에 차이가 있음**을 알 수 있었습니다. 이번 연구에 쓰인 프로그램을 쓴다면, **조직학적 분류를 예측**하는데 충분히 도움이 될 것으로 보입니다. 이는 실제 조직학적인 정의와도 잘 맞는다는 것을 알 수 있었습니다. **저위험도 퍼센테이지**가 차지하는 **기준 값**은 45%에서 100%의 특이도와 양성 예측도를 보였습니다. 따라서 **50% 미만**의 값을 기준으로 하면 이 프로그램을 사용 하여 좋은 예측도를 보일 것으로 생각됩니다. # @radiologist 덧 앞선 포스팅이 컴퓨터가 병변을 찾을 수 있는지가 주제라면, 이번 포스팅은 이미 찾은 **병변의 평가**(즉, 병변이 얼마나 예후가 나쁜 종류인지)에 얼마나 도움을 줄 수 있는지 알아본 내용입니다. 앞서 보여드린 내용과 마찬가지로, 결국 컴퓨터가 대체 하는 것이 아니라 **얼마나 도음을 줄 수 있는지**가 포인트가 됩니다. 실제 판독을 하다 보면 사람 **눈**으로만 평가하기에는 어려운 경우가 있습니다. 아주 세세한 변화나 차이는 인간의 눈을 통한 **직관적/주관적 평가**로 한계가 있기 때문이지요. 그러나 컴퓨터 프로그램은 (비록 프로그램을 돌리는 중에 약간의 주관성이 개입될 여지가 있지만) 비교적 **객관적**으로 위험도가 얼마인지 알려줄 수 있으리라 생각합니다. 마치 이 병변은 ‘침습적인 병변일 확률: 73%’ 와 같이요. 아마 두루뭉술한 판독이나 애매모호한 정보 전달은 줄어들 수 있겠고, 임상적인 처치에 도움을 줄 수 있겠습니다. 다만 정확한 정보 제공이 되려면 더 많은 연구로 기준 값을 정해야 겠고 기타 법적 문제 해결과, 영상의학과 의사의 숙달이 필요하리라 생각합니다. 다음 포스팅은 실제로도 많이 쓰이는, **유방촬영술 CAD**의 능력과 가치를 평가한 내용으로 찾아뵙겠습니다. <center></center> # Reference 1. Ursula Nemec et al. Software–based risk stratification of pulmonary adenocarcinomas manifesting as pure ground glass nodules on computed tomography. Eur Radiol (2018) 28:235–242. [Open access, CC-BY] 2. William D. Travis et al. International Association for the Study of Lung Cancer/American Thoracic Society/European Respiratory Society International Multidisciplinary Classification of Lung Adenocarcinoma. Journal of Thoracic Oncology Vol 6 Num 2, February 2011. ------------- All images without source from Shutterstock and Ref. #1. ---------- <a rel="license" href="http://creativecommons.org/licenses/by-nc-nd/4.0/"><img alt="크리에이티브 커먼즈 라이선스" style="border-width:0" src="https://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png" /></a><br />이 저작물은 <a rel="license" href="http://creativecommons.org/licenses/by-nc-nd/4.0/">크리에이티브 커먼즈 저작자표시-비영리-변경금지 4.0 국제 라이선스</a>에 따라 이용할 수 있습니다. -------------  ### <Center>[전문가들이 직접 쓰는 최초의 STEEM 의학 매거진](https://mediteam.us) </Center> **<Center>[https://mediteam.us-바로보기](https://mediteam.us)</Center>**
👍 radiologist, bramd, dhrkdcjf12, juanhlb, princluv, andrian96, verygoodsurgeon, enomujjass, amirlopez, bluejazz, trueonot, asbear, krguidedog, feyee95, sjchoi, joeuhw, extrashin, julianpark, wasantie, cheerup, yanis01, pediatrics, beoped, bhrj, jyewe, kjyed, sefsvb, vergeert, leeja19, hh0167, yourwisedentist, familydoctor, doctorbme, forhappywomen, pharm.steemit,