[IT/의료]AI(인공지능),뇌동맥류의 진단을 돕는다.

​

​

스탠퍼드대학교의 연구진들이 머신러닝 알고리즘을 사용하여 뇌동맥류 진단의 정확도를 높이는 기술을 개발했다.

 

https://m.terms.naver.com/entry.naver?docId=927099&cid=51007&categoryId=51007 

 

뇌동맥류

 

 

뇌동맥류란 뇌혈관 벽에 미세한 균열이 생기고 이것이 비정상적으로 부풀어 오르는 혈관 질환을 말한다. 뇌동맥류가 터져 출혈이 발생하거나 주변 신경조직을 압박했을 때 뇌가 손상되거나 사망할 위험이 있다.

 

​

뇌동맥류의 징후를 찾아내기 위해서는 컴퓨터단층촬영(CT)이나 자기공명영상장치(MRI)로 촬영한 뇌 영상을 확인해야 한다. 그러나 뇌동맥류는 다양한 크기와 모양을 가지고 있으며, 알아내기 까다로운 각도에 생기기거나 움직이는 영상에 잠깐 스치듯이 보이기도 하기 때문에 뇌동맥류를 찾는 일은 방사선과 의사들이 수행하는 일 중 가장 노동집약적인 작업 중 하나로 꼽힌다고 한다.

​

 

스탠퍼드대학교 의학 전문가들과 컴퓨터 사이언티스트들은 이러한 뇌 사진에서 뇌동맥류일 가능성이 높은 부위를 찾아주는 인공지능 알고리즘을 개발하여 2019년 6월  미국의사협회지 네트워크 오픈(JAMA Network Open)에 발표를 했다. 이 연구에는 크리스틴 염 방사선과 교수와 앤드류 응 컴퓨터공학과 교수 등이 참여했다.

 

8명의 의사들이 'HeadXNet'이라는 머신러닝 알고리즘을 기반으로 만들어진 이 인공지능 도구를 활용하여 115개의 뇌 영상 세트를 진단한 결과, 사진 100장 당 6개의 뇌동맥류를 더 찾는 수준으로 의사들의 진단 능력이 향상된 것으로 나타났다.

 

이 알고리즘을 훈련시키기 위해서 연구진은 611개의 뇌 혈관 CT 촬영 영상에서 뇌동맥류를 분류해하여 표시했다. 훈련을 마친 알고리즘은 각 복셀에 뇌동맥류가 있는지 여부를 확인, 뇌동맥류로 결론 내린 부위는 영상 위에 반투명으로 표시한다. 연구진은 이를 통해서 의료진이 더 많은 뇌동맥류를 정확하게 식별하고 누락하는 경우를 줄일 수 있었다고 밝혔다.

 

연구진은 이러한 머신러닝 기술이 뇌 안팎의 다른 질환을 식별하는 데에도 활용될 수 있을 것으로 기대하고 있다. 하지만 이런 의료 인공지능을 실제 임상 과정에 통합하는 데는 아직 많은 장애물들이 남아있다.

 

일단 현재 뇌 스캔 영상은 딥러닝 학습을 지원하기 위한 방식으로 설계되어 있지 않는 것. 그리고 실제 데이터가 알고리즘이 테스트하거나 훈련한 데이터와 반대되는 경우 모델의 성능을 저하시킬 수가 있다. 알고리즘이 여러 종류의 스캐너나 이미징 프로토콜, 또는 학습 과정에 포함되지 않은 환자 집단의 데이터 등을 처리하는 경우에도 예상대로 작동하지 않을 우려가 있다.

 

연구진들은 이런 문제들 때문에 의료 인공지능이 완전히 자동화 되기 이전에 방사선 전문의와의 협업을 통해서 실제 임상현장에 배치될 수 있을 것으로 전망했다.

​

​

​

자료출처

 

https://m.terms.naver.com/entry.naver?docId=5781623&cid=60296&categoryId=60304 

'뇌동맥류' 진단 돕는 인공지능