□ 연구개요 우리나라 폐암 CT검진 대상자 선정 기준은 NLST의 대상자 선정 기준과 유사함. 그러나 이 대상자 선정 기준은 ‘나이와 흡연력’ 두 가지만을 고려하는 단순한 기준으로, 개개인을 대상으로 하는 예측모델보다 폐암 발생에 대한 민감도와 특이도가 떨어지며, 다수의 음성 폐암 검진(negative screen)과 위양성 폐암 검진이 발생할 가능성이 있음. 따라서 본 연구는 흉부엑스레이와 임상정보를 이용해 폐암 발생을 높은 정확도로 예측하는 페암 CT검진 대상자 선별 모델의 개발과 검증을 목적으로 함. □ 연구 목표대비 연구결과 1. NLST 폐암 검진 영상 데이터베이스 구축 3천례의 NLST 영상 데이터, 텍스트 데이터를 구조화. 2. 국내 대학병원 폐암 검진 데이터베이스 구축 흉부엑스레이 폐기종 예측모델의 외부 검증을 위해 3개의 데이터셋을 마련하였음. 그 중 1개는 미국 PLCO trial에서 수집된 임상 및 영상 자료이며. 나머지 2개는 국내 대학병원 건강검진센터에서 수집함. 3. 임상정보 기반 폐암 검진 대상자 선별 모델 개발 및 검증 “age, sex, smoking status, pack year, race, family history of lung cancer, past history of malignancy other than lung cancer, body mass index”와 같은 임상 변수들을 input variable로 활용하여 머신러닝 모델을 훈련하고 내부 검증함. 4. 흉부엑스레이 기반 폐기종 예측 모델 개발 및 검증 대학병원에서(single tertiary referral center) 3개월 이내 chest PA와 chest CT(standard radiation dose)를 함께 시행한 환자 약 1000명으로 이뤄진 데이터셋을 구축. CT에서 %LAA-950 (emphysema index) 계산 후, 이를 label로 하는 딥러닝 모델(U-net)을 개발함. CT 기준 10% 이상 폐기종에(ground truth) 대해 AUC 0.95 (95% CI: 0.91, 1.00) 달성. CT 기준 5% 이상 폐기종에 대해 AUC 0.90 (95% CI: 0.85, 0.95) 달성. 5. 임상위험인자와 흉부엑스레이 기반 폐기종 예측 모델 결과를 활용한 통합적 앙상블 모델 개발 폐암 발생 예측모델은 USPSTF 권고안보다 높은 성능을 보임 (AUC, 0.74 vs. 0.57). 특히 비슷한 수준의 특이도에서(48.4% vs. 53.1%) 비교했을 때, 더 높은 민감도를 보임 (80.4% vs. 60.7%). 6. 한국인 폐암 검진 대상자를 활용하여 모델 외부 검증 기개발된 폐 암발생 예측모델을(CXR-LC) 외부 검증함. 현행 검진자 선별안에 모델을 추가로 적용하면 missed lung cancer를 최소화하는 동시에 true-negative screen을 줄여 CT검진의 효율을 높일 수 있음. USPSTF-eligible CT screening candidate 에서 폐암발생 예측모델 기반으로 저위험군을 검진에서 제외할 경우, 0.2%의 missed lung cancer 수준에서 10% 가량의 불필요한 CT검진을 줄일 수 있음(45.1% vs. 35.8%). □ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성) 1. 폐암 CT검진은 대상자의 참여도가 낮은 검진 사업임. 개발된 폐암 발생 예측모델을 병원 EMR/HIS에 통합시켜 폐암 CT검진 대상자를 자동으로 추천할 수 있도록 활용 가능. 2. 한국인 대상의 검진 대상자 예측모델을 활용해 지역사회 검진에 활용. 3. 향후 검진 정책 수립에 예측모델을 활용할 수 있도록 근거 마련. 4. 예측모델에 대한 전향적 연구 수행에 대한 근거 마련. (출처 : 연구결과 요약문 2p)
- 연구책임자 : 김형진
- 주관연구기관 : 서울대학교
- 발행년도 : 20230200
- Keyword : 1. 인공지능;폐암;흉부엑스레이;폐기종;검진; 2. artificial intelligence;lung cancer;chest radiograph;emphysema;screening;
