Nov 24, 2023
기계 학습
과학 보고서 12권,
Scientific Reports 12권, 기사 번호: 14740(2022) 이 기사 인용
1388 액세스
17 알트메트릭
측정항목 세부정보
피질 위축은 자기공명영상(MRI)을 기반으로 확립된 시각적 평가 척도에 따라 임상적으로 측정됩니다. 뇌 MRI는 신경퇴행의 일차적인 영상 표지자이지만, 컴퓨터 단층촬영(CT)도 치매의 조기 발견 및 진단을 위해 널리 사용됩니다. 그러나 이에 대한 조사는 거의 이루어지지 않습니다. 따라서 우리는 뇌 CT에서 피질 위축을 자동으로 추정하기 위한 기계 학습 알고리즘을 개발했습니다. 뇌 CT 영상(알츠하이머 치매 259명, 인지 정상 대상자 55명)을 신경과 전문의 3명이 시각적으로 평가하고 훈련에 사용했습니다. 컨볼루션 신경망과 RLR(Regularized Logistic Regression)을 결합하여 알고리즘을 구축했습니다. 그런 다음 모델 성능을 신경과 의사의 성능과 비교하고 기능 중요도를 측정했습니다. RLR은 전두엽 위축(75.2% 정확도, 93.6% 민감도, 67.2% 특이성, 0.87 곡선하 면적[AUC]), 후방 위축(79.6% 정확도, 87.2% 민감도, 75.9% 특이성 및 0.87% 특이도)에 대한 빠르고 신뢰할 수 있는 자동 추정을 제공했습니다. 0.88 AUC), 오른쪽 내측 측두엽 위축(81.2% 정확도, 84.7% 민감도, 79.6% 특이성, 0.88 AUC), 왼쪽 내측 측두엽 위축(77.7% 정확도, 91.1% 민감도, 72.3% 특이성, 0.90 AUC). 우리는 뇌 CT의 RLR 기반 자동 평가가 실제 임상 환경에서 의사를 잠재적으로 지원할 수 있는 포괄적인 위축 등급을 제공한다고 결론지었습니다.
치매 진단지침에서는 구조적 뇌영상 촬영을 권장하고 있으며1,2 이는 정상 노인이나 알츠하이머병3,4 환자의 인지 기능 장애와 관련이 있는 것으로 알려져 있습니다. 수술 병변을 배제하는 것 외에도 구조적 뇌 영상을 사용하면 AD5의 내측 측두엽을 포함한 근본적인 병리를 암시하는 뇌 위축의 평가가 가능합니다. 구조적 영상을 기반으로 한 여러 가지 시각적 등급 척도가 뇌 위축을 평가하는 것으로 보고되었으며, 그 중 일부는 연구 및 임상 실습5,6에서 널리 사용됩니다. 정량적 체적 측정과 비교하여 시각적 평가 척도는 시간이 많이 걸리는 프로세스 없이 임상적으로 획득한 이미지를 직접 적용할 수 있다는 장점이 있습니다7. 그러나 평가자 간 또는 평가자 내 합의에 대한 신뢰성 문제가 있으며8,9 시각적 평가 척도의 대부분은 뇌 자기공명영상(MRI)7을 기반으로 만들어집니다. 뇌 MRI는 AD10에 대한 최근 연구 프레임워크에 따라 신경퇴행의 주요 영상 마커이지만, 뇌 컴퓨터 단층촬영(CT)도 치매 환자에게 중요한 정보를 제공할 수 있습니다11. 더욱 중요한 것은 2008년부터 우리나라 치매 국가계획의 일환으로 치매 조기검진을 위한 뇌CT의 활용이 증가하고 있다는 점이다12. 조사했다.
컴퓨터화되고 자동화된 뇌 CT 등급은 신뢰성과 효율성을 극대화하여 인지 저하에 대한 검사 시스템을 적용할 수 있는 잠재적인 이점을 제공합니다. 자동 등급의 임상적 유용성을 높이기 위해서는 시각적 등급 알고리즘이 필요합니다. 이는 미묘한 영향을 감지할 수 있는 통계적 능력을 활성화함으로써 신경퇴행을 발견하고 분석하기 위한 구조적 영상 기반 시각적 평가 척도에 "인공지능(AI) 기반, 컴퓨터 지원(CAD)" 접근 방식이 필요함을 시사합니다.
AI는 컴퓨터와 기계를 사용하여 특정 작업을 수행하고 인간 마음의 문제 해결 및 의사 결정 능력을 모방하여 지능형 시스템을 만드는 컴퓨터 과학의 포괄적인 분야입니다. 머신러닝, 표현학습, 딥러닝은 AI의 하위 분야입니다. 위험 평가, 진단, 예후 및 예측을 위한 신경 영상 분야에서 기계 학습 및 딥 러닝을 기반으로 한 임상 응용 사례가 점점 더 많이 제안되고 있습니다13. 따라서 전문가가 지정한 명시적인 기능을 채택하고 신경 영상에서 치매 위험을 식별하는 데 잠재적인 이점을 보여준 기계 학습은 임상 평가를 지원하기 위해 뇌 CT의 자동 등급 지정에 사용될 수 있습니다.