최근 국내 연구진이 자궁근종 양성과 악성을 정확히 감별하는 진단 알고리즘 모델을 개발해 관련 업계로부터 주목을 받고 있는데요.
S대병원 교수팀은 자궁근종과 자궁평활근육종을 감별하는 진단 알고리즘 모델을 세계 최초로 개발해 그 성능을 입증했다고 밝혔습니다.
자궁근종은 자궁의 대부분을 이루고 있는 평활근에 생기는 종양으로 매우 흔하게 발생하는 양성질환인데요.
평활근 세포가 비정상적으로 증식해 발생해 조직 검사 없이 초음파만으로도 진단이 가능합니다.
증상이 없을 경우 경과 관찰만 하지만 근종이 크거나 증상이 발생하면 약물적 치료 혹은 근종적출과 자궁절제와 같은 수술적 방법이 고려됩니다.
반면 자궁평활근육종은 평활근세포에서 발생하는 악성종양으로 매우 드문 희귀암인데요.
자궁근종과 모양이나 크기가 차이가 없기 때문에 초음파와 MRI 등 영상 검사만으로는 자궁근종과 구별이 불가능합니다.
수술 전 진단이 어렵고 일반적으로 양성 자궁근종 수술 후에 행하는 조직검사에서 진단되는데요.
실제로는 자궁근종인데 자궁평활근육종을 우려해 수술받는 경우가 있습니다.
또 자궁근종으로 생각하고 근종만 제거하는 수술을 받았는데 자궁평활근육종으로 진단되어 자궁을 제거하는 수술을 다시 받는 경우가 있는데요.
자궁평활근육종 환자가 근종만 제거하는 수술을 받은 경우 암세포가 퍼져서 재발률과 사망률이 증가하기도 합니다.
따라서 수술 전 자궁근종과 자궁평활근육종을 구별하는 검사법의 필요성이 제기되어 왔는데요.
이에 연구팀은 공개된 데이터로부터 수집한 114개의 정상 자궁 조직 샘플과 31개의 자궁평활근육종 샘플을 바탕으로 정상 자궁 조직보다 자궁평활근육종에서 발현의 분산이 크게 나타나는 17개의 유전자 전사체를 기계에 학습시켜 심층신경망(DNN)과 서포트벡터머신(SVM)등 4가지 분류기를 개발했습니다.
전사체는 한 세포에 존재하는 모든 RNA 분자의 총합을 뜻하는데요.
연구팀은 분류기의 성능을 검증하기 위해 35개의 정상 자궁 조직 샘플 및 자궁평활근육종 샘플을 수집해 정확도와 민감도 등을 평가했습니다.
평가 지표는 AUC(ROC 커브 아래 부분의 면적의 너비)를 사용했는데요.
AUC는 특정 검사 도구의 정확도를 나타내는 통계 기법으로 인공지능 러닝 모델의 성능 평가 지표로 주로 사용돼 1에 가까울수록 더 높은 정확도를 나타냅니다.
연구팀이 개발한 모델 가운데 DNN 분류기의 정확도·민감도·특이도·균형 정확도가 각각 ▲0.922 ▲0.889 ▲1.00 ▲0.944로 높은 성능을 나타냈는데요.
영상 검사만으로는 구별이 불가능했던 자궁근종과 자궁평활근육종을 감별 진단하는 알고리즘을 성공적으로 개발함으로써 수술 전에 최적의 치료 계획을 수립할 수 있는 단초를 제공했다는 점에서 의미가 깊습니다.
양성 자궁근종 환자는 불필요한 수술을 피할 수 있으며 자궁평활근육종 환자는 조기에 수술을 시행함으로써 종양의 전이를 최소화할 수 있을 것으로 기대하며 포스팅을 마치도록 하겠습니다.
최근 국내 연구진이 자궁근종 양성과 악성을 정확히 감별하는 진단 알고리즘 모델을 개발해 관련 업계로부터 주목을 받고 있는데요.
S대병원 교수팀은 자궁근종과 자궁평활근육종을 감별하는 진단 알고리즘 모델을 세계 최초로 개발해 그 성능을 입증했다고 밝혔습니다.
자궁근종은 자궁의 대부분을 이루고 있는 평활근에 생기는 종양으로 매우 흔하게 발생하는 양성질환인데요.
평활근 세포가 비정상적으로 증식해 발생해 조직 검사 없이 초음파만으로도 진단이 가능합니다.
증상이 없을 경우 경과 관찰만 하지만 근종이 크거나 증상이 발생하면 약물적 치료 혹은 근종적출과 자궁절제와 같은 수술적 방법이 고려됩니다.
반면 자궁평활근육종은 평활근세포에서 발생하는 악성종양으로 매우 드문 희귀암인데요.
자궁근종과 모양이나 크기가 차이가 없기 때문에 초음파와 MRI 등 영상 검사만으로는 자궁근종과 구별이 불가능합니다.
수술 전 진단이 어렵고 일반적으로 양성 자궁근종 수술 후에 행하는 조직검사에서 진단되는데요.
실제로는 자궁근종인데 자궁평활근육종을 우려해 수술받는 경우가 있습니다.
또 자궁근종으로 생각하고 근종만 제거하는 수술을 받았는데 자궁평활근육종으로 진단되어 자궁을 제거하는 수술을 다시 받는 경우가 있는데요.
자궁평활근육종 환자가 근종만 제거하는 수술을 받은 경우 암세포가 퍼져서 재발률과 사망률이 증가하기도 합니다.
따라서 수술 전 자궁근종과 자궁평활근육종을 구별하는 검사법의 필요성이 제기되어 왔는데요.
이에 연구팀은 공개된 데이터로부터 수집한 114개의 정상 자궁 조직 샘플과 31개의 자궁평활근육종 샘플을 바탕으로 정상 자궁 조직보다 자궁평활근육종에서 발현의 분산이 크게 나타나는 17개의 유전자 전사체를 기계에 학습시켜 심층신경망(DNN)과 서포트벡터머신(SVM)등 4가지 분류기를 개발했습니다.
전사체는 한 세포에 존재하는 모든 RNA 분자의 총합을 뜻하는데요.
연구팀은 분류기의 성능을 검증하기 위해 35개의 정상 자궁 조직 샘플 및 자궁평활근육종 샘플을 수집해 정확도와 민감도 등을 평가했습니다.
평가 지표는 AUC(ROC 커브 아래 부분의 면적의 너비)를 사용했는데요.
AUC는 특정 검사 도구의 정확도를 나타내는 통계 기법으로 인공지능 러닝 모델의 성능 평가 지표로 주로 사용돼 1에 가까울수록 더 높은 정확도를 나타냅니다.
연구팀이 개발한 모델 가운데 DNN 분류기의 정확도·민감도·특이도·균형 정확도가 각각 ▲0.922 ▲0.889 ▲1.00 ▲0.944로 높은 성능을 나타냈는데요.
영상 검사만으로는 구별이 불가능했던 자궁근종과 자궁평활근육종을 감별 진단하는 알고리즘을 성공적으로 개발함으로써 수술 전에 최적의 치료 계획을 수립할 수 있는 단초를 제공했다는 점에서 의미가 깊습니다.
양성 자궁근종 환자는 불필요한 수술을 피할 수 있으며 자궁평활근육종 환자는 조기에 수술을 시행함으로써 종양의 전이를 최소화할 수 있을 것으로 기대하며 포스팅을 마치도록 하겠습니다.