AI 기반 뇌출혈 진단보조 소프트웨어의 소아 연령별 진단 성능 분석
- 주제(키워드) CT , 두개 내 출혈 , 소아 두개 내 출혈 , 인공지능 , 진단보조 소프트웨어
- 주제(DDC) 610.28
- 발행기관 아주대학교 일반대학원
- 지도교수 최진욱
- 발행년도 2025
- 학위수여년월 2025. 2
- 학위명 석사
- 학과 및 전공 일반대학원 융합의과학과
- 실제URI http://www.dcollection.net/handler/ajou/000000034549
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
본 연구는 성인을 대상으로 개발되어 상업적으로 이용 가능한 AI 기반 뇌출혈 진단보조 소프트웨어를 다양한 소아 연령대에 적용하여 소아 두개 내 출혈의 진단 성능을 비교하고 분석하였다. 연구데이터는 2020년 1월 1일부터 2023년 12월 31일까지 아주대학교 병원에서 뇌 CT를 최초로 촬영한 소아를 대상으로 뇌 CT 영상과 임상 데이터가 후향적으로 총 1,970명(소아 두개 내 출혈 참여자 280명(14.2%), 정상 참여자 1,690명(85.8%)) 수집되었다. 소아는 ICH E11(R1) guideline on clinical investigation of medicinal products in the pediatric population에 따라서 신생아, 영유아, 어린이, 청소년으로 1차 분류되었다. 데이터는 수와 범위를 고려하여 신생아 및 영유아(0 - 23개월, n = 430, 8.6개월 ± 6.4개월)는 통합되었다. 어린이와 청소년은 하위 그룹으로 추가 분류되어 초기 어린이(2 - 6세, n = 404, 54.0개월 ± 17.2개월), 후기 어린이(7 - 11세, n = 369, 113.8개월 ± 17.5개월), 초기 청소년(12 - 14 세, n = 324, 161.2개월 ± 10.1개월), 후기 청소년(15 - 18 세, n = 443, 196.7개월 ± 13.8개월)으로 구성되었다. 뇌 CT 영상은 뇌출혈 진단보조 소프트웨어 Hyper Insight Brain Hemorrhage(Purple AI Inc, Seoul, Republic of Korea, version 2.0.1)을 사용하여 분석하였다. 소프트웨어 분석 결과로 두개 내 출혈 가능성을 예측한 수치가 Cutoff Level (CL) 이상인 경우 분석 결과를 양성으로 판단하였으며 영상의학 전문의 CT 판독 결과와 비교하였다. CL 30, 40, 50에서 진단 성능을 정확도, 특이도, 민감도, F1-Score, AUC를 통해 평가하였다. 후기 청소년기 정확도는 CL 30에서 0.975, CL 40에서 0.977, CL 50에서 0.971이며 AUC 0.956의 성능을 보였다. 또한, CL 50을 기준으로 특이도는 신생아 및 영유아기 0.925, 초기 어린이 0.994, 후기 어린이 0.997, 초기 및 후기 청소년기 1.000이었다. 그러나 신생아 및 영유아기 정확도는 CL 30에서 0.733, CL 40에서 0.812, CL 50에서 0.851이며 AUC 0.816의 성능을 보였다. CL 50을 기준을 기준으로 민감도는 신생아 및 영유아기 0.542, 초기 어린이 0.509, 후기 어린이 0.622, 초기 청소년기 0.655, 후기 청소년기 0.814이었다. 전체 연령대에서 CL 50을 기준으로 정상을 질병으로 판단하는 위양성은 총 29건, 질병을 정상으로 판단하는 위음성은 총 104건이었다. 뇌출혈 진단보조 소프트웨어는 후기 청소년기에서 성인과 비슷한 성능을 보이며, 전 연령대에서 특이도가 높아 정상 뇌 CT를 판별하는데 우수한 성능을 확인하였다. 그러나 신생아 및 영유아기, 초기 어린이기에서는 성인과 구분되는 뇌 구조와 CT 특성으로 인해 성능 저하가 나타났다. 주제어: CT, 두개 내 출혈, 소아 두개 내 출혈, 인공지능, 진단보조 소프트웨어
more목차
I 서론 1
A. 배경 및 필요성 1
B. 연구 목적 3
Ⅱ 선행연구 4
Ⅲ 연구 방법 6
A. 연구 데이터 6
1. 연구 설계 및 데이터 6
2. CT 장비 및 기법 9
B. 뇌출혈 진단보조 소프트웨어의 AI 영상 분석 11
C. 통계 분석 14
Ⅳ 연구 결과 16
A. 인구통계학적 분석 결과 16
B. 통계분석 결과 18
1. Cutoff Level 50 에서 진단 성능 분석 18
2. Cutoff Level 30 에서 진단 성능 분석 27
3. Cutoff Level 40 에서 진단 성능 분석 29
Ⅴ 논의 33
Ⅵ 결론 36
참고문헌 37
ABSTRACT 40
