MEDI:GATE NEWS 딥바이오, YAAGGS 성능 분석 연구 결과 디지털 메디슨지에 게재

기사입력시간 21.06.29 17:39최종 업데이트 21.06.29 17:39

딥바이오 로고. 딥바이오는 자사가 개발한 새로운 인공지능 기반 전립선암 중증도 진단 시스템(Yet Another Automated Gleason Grading System, YAAGGS) 관련 연구 결과가 최근 국제 학술지 '네이처 파트너 저널 디지털 메디슨(npj Digital Medicine)'에 게재됐다고 29일 밝혔다. YAAGGS는 약하게 학습된 AI 딥러닝 기술을 활용해 전립선암의 중증도를 진단하는 새로운 시스템이다. 이번에 발표된 연구에서는 슬라이드 단위로 이미 존재하는 병원 진단문만을 활용해 고성능의 전립선암 중증도 진단 딥러닝 모델을 학습하는 학습 기법을 제안하고 YAAGGS의 성능평가를 진행했다. 성능 평가에는 한양대병원과 고려대구로병원에서 수집한 7600개의 H&E(Hematoxylin and eosin) 염색 전립선 바늘생검(prostate needle biopsies) 조직 슬라이드 데이터가 사용됐다. YAAGGS의 암 유무 판별 성능 평가 결과, 모델 성능을 나타내는 ROC-AUC값 이 0.983으로 확인됐으며, 민감도 93.6%, 특이도 96.0%, 정확도 94.7%로 나타났다. 암의 중증도 진단 성능 평가 결과 정답과의 유사도를 나타내는 일치도 계수2(Cohen’s kappa score) 및 가중 일치도 계수2 (quadratic-weighted kappa score) 역시 각각 0.650, 0.897로 나타나 새로 개발된 시스템의 성능이 병리 전문의 진단 수준과 유사함을 시사했다. 딥러닝 기반 자동 중증도 진단 시스템의 개발에는 대규모의 중증도 등급별 영역 어노테이션(Annotation)이 필수적이며, 이를 완전히 수작업으로 구축했을 때 구축 기간이 길고 비용이 높다는 문제가 있다. 그러나 새롭게 개발된 YAAGGS에 적용된 기술을 활용하면 다양한 질환에 대한 진단 모델을 빠르게 개발할 수 있을 것으로 기대된다. 딥바이오 김선우 대표는 "이번 YAAGGS 연구 결과는 딥러닝 기반 암 중증도 진단 시스템 개발에 소요되는 시간과 비용을 획기적으로 줄일 수 있는 새로운 방식을 제시함과 동시에 세계 최고 수준의 성능을 입증하며 인공지능 활용 전립선암 진단 분야에서 딥바이오의 리더십을 공고화하는 계기가 됐다"며 "딥러닝 기술을 기반으로 디지털 병리 진단 플로우를 최적화함으로써 전 세계 환자들과 의료진에게 더 나은 치료 환경을 제공하기 위해 혁신을 거듭 이뤄 나가겠다"고 말했다.

제보 공유

딥바이오, 'YAAGGS' 성능 분석 연구 결과 '디지털 메디슨지'에 게재

세계 최고 수준에 근사한 정확성을 가진 전립선암 중증도 진단 시스템 개발

딥바이오는 자사가 개발한 새로운 인공지능 기반 전립선암 중증도 진단 시스템(Yet Another Automated Gleason Grading System, YAAGGS) 관련 연구 결과가 최근 국제 학술지 '네이처 파트너 저널 디지털 메디슨(npj Digital Medicine)'에 게재됐다고 29일 밝혔다.

YAAGGS는 약하게 학습된 AI 딥러닝 기술을 활용해 전립선암의 중증도를 진단하는 새로운 시스템이다. 이번에 발표된 연구에서는 슬라이드 단위로 이미 존재하는 병원 진단문만을 활용해 고성능의 전립선암 중증도 진단 딥러닝 모델을 학습하는 학습 기법을 제안하고 YAAGGS의 성능평가를 진행했다.

성능 평가에는 한양대병원과 고려대구로병원에서 수집한 7600개의 H&E(Hematoxylin and eosin) 염색 전립선 바늘생검(prostate needle biopsies) 조직 슬라이드 데이터가 사용됐다.

YAAGGS의 암 유무 판별 성능 평가 결과, 모델 성능을 나타내는 ROC-AUC값 이 0.983으로 확인됐으며, 민감도 93.6%, 특이도 96.0%, 정확도 94.7%로 나타났다.

암의 중증도 진단 성능 평가 결과 정답과의 유사도를 나타내는 일치도 계수2(Cohen’s kappa score) 및 가중 일치도 계수2 (quadratic-weighted kappa score) 역시 각각 0.650, 0.897로 나타나 새로 개발된 시스템의 성능이 병리 전문의 진단 수준과 유사함을 시사했다.

딥러닝 기반 자동 중증도 진단 시스템의 개발에는 대규모의 중증도 등급별 영역 어노테이션(Annotation)이 필수적이며, 이를 완전히 수작업으로 구축했을 때 구축 기간이 길고 비용이 높다는 문제가 있다. 그러나 새롭게 개발된 YAAGGS에 적용된 기술을 활용하면 다양한 질환에 대한 진단 모델을 빠르게 개발할 수 있을 것으로 기대된다.

딥바이오 김선우 대표는 "이번 YAAGGS 연구 결과는 딥러닝 기반 암 중증도 진단 시스템 개발에 소요되는 시간과 비용을 획기적으로 줄일 수 있는 새로운 방식을 제시함과 동시에 세계 최고 수준의 성능을 입증하며 인공지능 활용 전립선암 진단 분야에서 딥바이오의 리더십을 공고화하는 계기가 됐다"며 "딥러닝 기술을 기반으로 디지털 병리 진단 플로우를 최적화함으로써 전 세계 환자들과 의료진에게 더 나은 치료 환경을 제공하기 위해 혁신을 거듭 이뤄 나가겠다"고 말했다.

오탈자 신고 스크랩 인쇄 제보 공유

박도영 기자 (dypark@medigatenews.com)더 건강한 사회를 위한 기사를 쓰겠습니다

이 기자의 다른 기사 보기

댓글보기(0)