안녕하세요? 영상의학과 전문의 @radiologist입니다.
오늘 살펴볼 내용은 폐결절에 대한 CAD(Computer-aided detection) system입니다. 글자 그대로 CAD란 소프트웨어를 이용하여 영상의학 진단에 도움을 주는 프로그램, 혹은 시스템을 말합니다. CAD가 적용된다면 영상의학과 의사가 판독을 하는데 있어 처리량이 높아지고, 결국 비용 대비 효율성이 증대됩니다.
CAD, 이런 것 상상 하시면 안됩니다...
오늘 논문을 통해 보여드릴 내용은 흉부 CT 목적 중 하나인 폐결절을 CAD를 통해 찾아내는 내용입니다. 아직 널리 이용되지는 않지만, 곧 널리 쓰일 수 있지 않나 생각이 듭니다.
컴퓨터로 폐결절 찾기
Colin Jacobs et al. Computer-aided detection of pulmonary nodules: a comparative study using the public LIDC/IDRI database, Eur Radiol (2016) 26:2139–2147.
방법
이 연구는 LIDC/IDRI (Lung Image Database Consortium / Image Database Resource Initiative) database(public, heterogeneous database)를 사용하였고, 3개의 CAD 프로그램을 이용하였습니다(Visia, Herakles, and ISICAD). 888개의 흉부 CT의 3mm 이상 폐결절을 대상으로 하였습니다. CAD의 정확성은 4명의 영상의학과 의사 판독을 기준으로 하여 연구하였습니다.
이 CAD system들은 대상이 얼마나 병변(결절)의 가능성이 있는지 점수화 할 수 있습니다. CAD는 이 점수에 대해 각각 다른 임계점(threshold)을 설정할 수 있기 때문에 임계점 마다 다른 결과(operating point)를 나타낼 수 있습니다. 임계점이 낮다면 낮은 점수여도 병변으로 여기기 때문에 위양성이 늘지만 민감도도 높습니다. 임계점이 높다면 위양성이 줄지만 민감도는 떨어지겠지요. 이 연구에서는 하나의 고정된 operating point를 기준으로 분석하였고, free-response operating characteristic (FROC) analysis를 통해 하나 CT scan내 위양성 개수 당 민감도를 추정하였습니다.
결과
영상의학과 의사에 의해 총 777개의 결절이 발견되었고, 이를 대상으로 CAD의 진단률을 분석했습니다. 아래 그래프를 보시면 Herakles의 진단률이 좋은 것을 알 수 있습니다. 3.1개 위양성/CT scan에서 82%의 민감도 (100개 중에 82개를 맞췄다는 의미)를 나타냈습니다.
그래프 아래 면적이 넓을 수록 진단력이 좋다. Herakles의 승리.
이 중 141개의 위음성(실제 결절인데 CAD가 찾지 못한 병변)을 분석해보면, 42개(30%)는 subsolid nodule(완전 고형이 아닌 혼합형 결절)이었습니다. 크기로 분류해보면 많은 수(총 58개)가 6mm미만 이었지만 8mm이상의 큰 결절도 52개나 되었습니다.
CAD가 놓친 결절들. 2,3,4,6,7은 1,5,8에 비해 결절의 음영이 덜 하얗다. 이런 것이 subsolid nodule이다.
CAD와 영상의학과 의사들의 판독과 차이가 있었던 2720개의 위양성을 영상의학과 의사가 다시 분석해보았을 때, 45개는 실제 결절로 판단 되었습니다. 영상의학과 의사가 첫 판독에서 놓쳤던 결절의 80%는 6mm미만이었고, 40%는 혈관이나 흉막에 접한 위치였습니다. 이 병변들은 FROC 분석에서 문제가 될 수 있어서, 제외하고 통계를 내면 1개의 위양성/CT scan에서 83%의 민감도를 나타냈습니다.
영상의학과 의사가 놓친 결절들. 혈관이나 흉막 근처 병변이 많다. 이런 결절은 찾기 어렵다.
고찰
이 연구에서 CAD는 어느정도 민감도가 유지되면서 위양성이 생각보다 높지 않았습니다(민감도 82%, 위양성 3.1개). CAD가 발견하지 못한 위음성 중 1/3가량이 subsolid nodule(혼합형 결절)이었고, 이런 병변의 발견 능력을 개발하면 CAD의 성능을 높일 수 있겠습니다.
영상의학과 의사들이 처음에 찾지 못한 결절들이 45개 있었는데, 대개 작고 흉막이나 혈관에 인접하여 있었습니다. 한가지 이유는 횡단 스캔(transeverse scan)에서만 평가하여 한계가 있지 않았나 여기고 있습니다. 이유야 어쨌든, 4명의 영상의학과 의사가 찾지 못한 결절을 CAD가 찾은 것은 의미가 있다고 봐야겠습니다. CAD를 사용하면 영상의학과 의사가 놓칠 수 있는 결절을 찾을 수 있다는 근거가 될 수 있습니다. 그러나 민감도를 올리면 놓칠 수 있는 결절을 찾을 가능성은 높아지지만 어차피 영상의학과 의사가 확인을 해야하기 때문에 업무량이 높아질 가능성이 있습니다. 따라서 적절한 수준의 민감도 설정이 중요한데, 앞으로의 연구가 중요하겠습니다.
또 하나의 의미 있는 결론은, 이 연구가 다양한 회사의 CT 결과를 대상으로 했다는 점입니다. 의료 데이터를 처리하는데 있어 가장 걸림돌이 되는게 자료들이 일관성이 없다는 것인데, 이를 어느정도 극복 할 수 있는 가능성을 보여준 것입니다.
@radiologist덧.
흉부 CT도 CAD 연구가 활발히 이루어지는 분야입니다. 무엇보다도 흉부 CT에서 미리 결절을 찾고, 추적 혹은 추가 검사를 함으로써 폐암으로 인한 개인, 사회적 손해를 줄일 수 있기 때문입니다. 이 논문의 내용은 단순한 결절 찾기지만, 결절의 특징을 CAD로 예측/분류 하는 내용도 이미 연구중입니다. 이를 통해 폐암의 처치에 큰 도움이 될 것입니다. 이 내용은 후속 포스팅에서 소개하겠습니다.
CAD가 일상적으로 도입된다면 영상의학과 의사의 정확도 및 효율성이 증대될 것으로 기대합니다. 일각에서 꾸준히 기대(?)하거나 경각심을 주는 판독의 완전 대체는 근래에는 요원하리라 생각합니다. 일전에 제가 포스팅한 내용 영상의학과 AI에서 밝혔듯이, 이런 CAD 및 deep learning AI는 우리에게 훌륭한 동료가 될 것입니다. 물론, 한 50년 지나면 완전 대체 할지도 모르겠습니다만, 그때면 모든 것이 AI, robot 으로 대체되지 않을까요?
Reference
- Colin Jacobs et al. Computer-aided detection of pulmonary nodules: a comparative study using the public LIDC/IDRI database, Eur Radiol (2016) 26:2139–2147. [Open access, CC-BY]