이 페이지는 기계 번역되었습니다.
번역 품질에 대한 1분 설문 조사에 참여해 주세요.
University College Dublin - 컴퓨터 비전 및 AI를 통한 생검 없는 실시간 암 판별 사례
더 빠른 환자 진단을 가능케 한 혁신적인 접근법
“MATLAB 툴은 기본 프로그래밍 이상의 능력 없이도 고급 머신러닝 방법을 개발하고 활용할 수 있는 수단을 제공합니다.”
주요 성과
- MATLAB을 통해 의료 전문가가 최소한의 코딩 경험으로 AI 연구를 시작할 수 있었습니다.
- 분류 학습기 앱으로 암 조직의 50개 병변을 평가할 때 90%의 정확도 수준을 달성할 수 있었습니다.
- 전체 시야 덕분에 샘플링이 증가하고 수술 도구 등의 잡음을 식별하여 제거함으로써 더 깨끗한 데이터셋이 생성되었습니다.
연구자들은 MATLAB의 AI 툴을 사용하여 생검 샘플을 채취하지 않고도 대장 용종을 평가할 수 있었습니다.
UCD(University College Dublin) 정밀수술 센터는 기술을 사용하여 환자 건강을 증진하는 데 중점을 둔 의과대학 내 연구 기관입니다. UCD 연구자들이 해결해야 할 주요 과제 중 하나는 실시간으로 환자의 대장암 발병 가능성을 효과적으로 평가하는 방법입니다. 대장암은 전 세계적으로 암 관련 사망 원인 중 네 번째로 높은 비율을 차지하며, 전통적으로 대장 직장 폴립의 생검을 통한 진단에 의존해 왔습니다. 그러나 생검 샘플을 평가하는 것은 시간이 많이 걸리고, 종양을 부분적으로만 볼 수 있습니다. 대신 UCD 연구원들은 MATLAB® 툴을 사용해 용종 전체를 평가할 수 있는 전체 시야를 통해 실시간으로 용종을 분석하기 위한 AI 기반 결과를 얻을 수 있었습니다.
오늘날 수술팀은 수술용 비디오 카메라로 증폭된 의료용 염료를 사용하여 암 부위 근처의 조직을 평가합니다. 연구팀은 앱 디자이너와 Computer Vision Toolbox™를 사용해 이러한 비디오를 안정화하는 앱을 개발했고, 이를 통해 염료 관류를 나타내는 추출된 형광 강도 시간 이력에서 특징을 계산할 수 있었습니다. 그런 다음 임상의의 전문성과 생검 결과에 따라 암 부위와 양성 부위를 표시하기 위해 비디오 이미지에 레이블을 적용했습니다.
또한 분류 학습기 앱을 사용하여 레이블이 지정된 기능을 사용하여 인간의 도움 없이 새로운 수술 비디오에서 암 영역을 구별하는 머신러닝 모델을 훈련했습니다. 훈련된 모델은 암 조직을 식별하는 데 있어 임상의보다 우수한 성과를 보였으며, 현재 절제 전 황금 표준으로 여겨지는 전통적인 생검보다 최소한 같은 수준의 성과를 보였습니다.
사용하기 쉬운 MATLAB 툴을 통해 UCD 연구원은 사전 코딩 지식 없이도 AI 연구를 시작할 수 있었습니다. 이러한 접근 방식은 앞으로 환자 진단을 더욱 빠르게 하고 임상적 결과를 개선하는 데 도움이 될 수 있으며, 연구팀은 MATLAB 툴을 사용하여 성형 수술 이식과 장 절제술도 평가할 계획입니다.
