MIT와 매스종합병원, 폐암 진단할 수 있는 AI 시스템 개발

폐암은 파괴적인 질병입니다. 에 따르면 세계 보건기구 (WHO), 폐암은 전 세계적으로 가장 흔한 사망 원인 중 하나이며 2.21년에만 약 2020만 건이 발생했습니다. 중요한 것은 질병이 진행될 수 있다는 것입니다. 즉, 많은 사람들에게 그것은 경각심을 불러일으키지 않는 경미한 증상으로 시작하여 생명을 위협하는 진단으로 빠르게 발전하여 사망에 이르게 할 수 있습니다. 다행스럽게도 폐암 환자를 돕는 데 중점을 둔 치료법의 범위는 지난 XNUMX년 동안 엄청나게 성장했습니다. 그러나 암의 조기 발견은 여전히 ​​사망률을 현저하게 줄이는 유일한 방법 중 하나입니다.

이 분야에서 주목할 만한 성과 중 하나는 데이터를 사용하여 폐암 위험을 예측하는 데 사용할 수 있는 "Sybil"이라는 딥 러닝 모델 개발에 관한 MIT(Massachusetts Institute of Technology)와 MGH(Mass General Hospital)의 최근 발표입니다. 단 한 번의 CT 스캔으로 그만큼 공부 지난 주 임상 종양학 저널(Journal of Clinical Oncology)에 공식적으로 발표되었으며 "개인화된 미래 암 위험 평가를 제공하는 도구가 가장 혜택을 받을 가능성이 높은 사람들에게 접근 방식에 초점을 맞출 수 있는 방법"에 대해 논의합니다. 따라서 연구 리더는 "전체 체적 LDCT[Low Dose Contrast CT] 데이터를 평가하는 딥 러닝 모델을 구축하여 추가 인구 통계 또는 임상 데이터 없이 개별 위험을 예측할 수 있습니다."라고 가정했습니다.

이 모델은 다음과 같은 기본 원칙으로 시작합니다. 따라서 개발자는 "단일 LDCT 스캔에서 최대 6년 동안 미래의 폐암 위험을 예측하고 잠재적 임상 영향을 평가하는 딥 러닝 알고리즘을 개발 및 검증"하고자 했습니다.

전반적으로 이 연구는 지금까지 매우 성공적이었습니다. Sybil은 단 한 번의 LDCT 데이터를 사용하여 환자의 미래 폐암 위험을 어느 정도 정확하게 예측할 수 있습니다.

의심할 여지 없이, 이 기술에 대한 임상 적용 및 영향은 아직 미숙합니다. 연구 리더들조차도 이 기술을 실제 임상 실습에 정확히 적용하는 방법을 파악하기 위해 중요한 작업을 수행해야 한다는 데 동의합니다. 시스템의 출력.

그러나 알고리즘의 전제는 여전히 매우 강력하며 예측 진단 영역에서 잠재적인 게임 체인저를 수반합니다.

진단 조치가 지금까지 이렇게 강력했던 적은 없었습니다. 도구가 단 한 번의 CT 스캔을 사용하여 장기적인 질병 기능을 예측할 수 있다는 사실은 잠재적으로 많은 문제를 해결할 수 있습니다. 그 중 가장 중요한 것은 조기 치료를 가능하게 하고 사망률을 줄이는 것입니다.

전문가들은 언뜻 보기에 이와 같은 시스템에 반대하며 어떤 AI 시스템도 인간 의사를 대체할 만큼 충분히 판단력과 임상 능력에 필적할 수 없다고 말할 수 있습니다. 그러나 이와 같은 시스템의 목적은 반드시 의사의 전문 지식을 대체하는 것이 아니라 의사의 작업 흐름을 잠재적으로 강화하는 것입니다.

Sybil과 같은 시스템은 추천 도구로 매우 쉽게 사용할 수 있으며 의사에게 잠재적으로 관련된 CT에 플래그를 지정하면 의사는 자신의 임상적 판단을 사용하여 Sybil의 추천에 동의하거나 동의하지 않을 수 있습니다. 이것은 임상 처리량을 향상시킬 뿐만 아니라 XNUMX차 "확인" 프로세스로 작용하여 진단 정확도를 향상시킬 수 있습니다.

의심할 여지 없이 이 분야에서 해야 할 일이 여전히 많습니다. 과학자, 개발자 및 혁신가는 실제 알고리즘과 시스템 자체를 완성할 뿐만 아니라 이 기술을 실제 임상 응용 프로그램에 도입하는 미묘한 영역을 탐색하는 데 있어 긴 여정을 앞두고 있습니다. 그럼에도 불구하고 안전하고 윤리적이며 효과적인 방식으로 개발된다면 환자 치료 개선과 관련하여 보유하고 있는 기술, 의도 및 잠재력은 다가올 진단 세대에 유망합니다.