딥노이드는 RSNA에서 '폐 결절의 국소화 및 Lung-RADS 범주를 고려한 AI 기반 CAD 시스템의 진단 성능'을 주제로한 초록을 통해 딥렁(DEEP:LUNG)의 진단 성능을 선보인다. Lung-RADS는 폐결절이 폐암일 확률을 등급으로 나눈 체계다.
이번 임상 연구는 부산대학교병원, 양산부산대학교병원, 화순전남대학교병원의 2019년 1월부터 2023년 7월까지 외래와 응급실을 방문한 환자의 저선량 흉부 컴퓨터단층촬영(LDCT) 데이터 455건을 활용해 DEEP:LUNG의 진단 성능을 평가했다. 폐 결절의 조직, 크기, 악성도 분류, Lung-RADS 카테고리화 및 결절 위치 국소화 등이 포함됐다.
연구에 따르면 DEEP:LUNG 활용 시 주요 평가 지표에서 민감도 91.38%, 특이도 93.08%, 악성도 분류 AUROC 89.62%라는 높은 정확도를 기록했다. AUROC는 분류 모델의 성능을 평가하는 지표다. AUROC 85% 이상이면 우수한 성능으로 간주된다.
Lung-RADS 카테고리별 평가에서도 민감도와 특이도에서 안정적인 성능을 입증했다. 고형 결절과 간유리 음영 결절의 크기 측정에서도 각각 2mm 및 3mm 이내의 오차 범위를 유지하며 높은 정밀도를 보였다.
최우식 딥노이드 대표는 "이번 연구를 통해 폐 결절 진단 및 악성 분류 분야에서 AI가 의료진에게 큰 도움을 줄 수 있음을 입증할 수 있었다"며 "2025년에는 뇌 질환 진단 솔루션과 함께 흉부 영역으로 AI 솔루션의 적용 범위를 확대할 계획이다. 의료 현장에 보다 포괄적인 AI 진단 지원 도구를 제공하는 것이 다음 목표"라고 말했다.
이미선기자 already@dt.co.kr
[ 저작권자 ⓒ디지털타임스, 무단 전재 및 재배포 금지 ]
