알고리즘과 피부과 의사가 판단하기 어려운 흑색종의 두께

알고리즘과 피부과 의사가 판단하기 어려운 흑색종의 두께
날짜:
2022년 7월 20일
원천:
예테보리 대학교
요약:
숙련된 피부과 의사든 잘 훈련된 기계 학습 알고리즘이든 흑색종의 두께를 평가하는 것은 어렵습니다. 연구에 따르면 알고리즘과 피부과 의사는 피부경 이미지를 해석하는 데 있어 동등한 성공률을 보였습니다.

숙련된 피부과 의사든 잘 훈련된 기계 학습 알고리즘이든 흑색종의 두께를 평가하는 것은 어렵습니다. 예테보리 대학(University of Gothenburg)의 연구에 따르면 알고리즘과 피부과 의사는 피부경 사진을 해석하는 데 있어 동등한 성공률을 보였습니다.

흑색종을 진단할 때 피부과 전문의는 그것이 암세포가 진피까지 자라서 신체의 다른 부위로 퍼질 위험이 있는 공격적인 형태("침습성 흑색종")인지, 아니면 더 가벼운 형태("침습성 흑색종")인지 평가합니다 . situ ," MIS) 외피층인 표피에서만 발생합니다. 피부 속으로 1밀리미터보다 더 깊게 자라는 침습성 흑색종은 두꺼운 것으로 간주되어 더 공격적입니다.

두께의 중요성

흑색종은 피부경(밝은 빛이 장착된 일종의 돋보기)으로 조사하여 평가합니다. 흑색종을 진단하는 것은 종종 비교적 간단하지만 그 두께를 추정하는 것은 훨씬 더 어려운 일입니다.

"유용한 예후 정보를 제공할 뿐만 아니라 두께는 첫 번째 수술을 위한 외과적 마진의 선택과 얼마나 신속하게 수행해야 하는지에 영향을 미칠 수 있습니다."라고 대학 Sahlgrenska Academy의 피부과 및 성병 부교수(도슨트)인 Sam Polesie가 말했습니다. 예테보리의 Polesie는 Sahlgrenska 대학 병원의 피부과 의사이자 연구의 첫 번째 저자이기도 합니다.

사람과 기계를 잇다

웹 플랫폼을 사용하여 438명의 국제 피부과 전문의가 피부 내시경으로 캡처한 거의 1,500개의 흑색종 이미지를 평가했습니다. 그런 다음 피부과 의사의 결과는 흑색종 깊이를 분류하도록 훈련된 기계 학습 알고리즘의 결과와 비교되었습니다.

피부과 전문의 중 전체 정확도는 MIS의 정확한 분류에 대해 63%, 침습성 흑색종의 경우 71%였습니다.

"흥미롭게도 피부경 검사에 대한 전문적인 배경과 경험은 흑색종 두께를 예측하는 진단 정확도와 관련이 없습니다.

성능에 대한 0에서 1까지의 측정 범위인 곡선 아래 영역은 사전 훈련된 기계 학습 알고리즘의 경우 0.83, 개별 독자의 결합된 AUC의 경우 0.85였습니다. 종합적으로, 피부과 전문의의 평가는 MIS와 침윤성 흑색종을 구별하도록 훈련된 알고리즘과 동등하게 수행되었습니다."라고 Polesie는 말합니다.

평가하기 어렵다

인공 지능(AI)이 의료 분야에서 큰 도약을 하고 있습니다. 특히 이 기술은 엑스레이, 망막 사진 등의 영상과 피부 변화를 평가하고 해석하는 의사를 위한 의료 영상 지원으로 발전할 수 있을 것으로 기대된다. 이 기술은 이미지 인식 이외의 영역에도 적용 가능합니다.

"우리 연구는 피부경 사진을 기반으로 흑색종의 두께를 정확하게 평가하는 것의 어려움을 강조합니다."라고 Polesie는 덧붙입니다.

"향후 연구에서 우리는 구별을 위해 미리 정의된 피부경 구조의 유용성을 탐구하는 것을 목표로 합니다. 또한 이러한 상황에서 기계 학습 알고리즘을 통해 임상 의사 결정을 개선할 수 있는지 여부도 테스트하고 싶습니다."

결과는 JEADV 유럽 피부과 및 성병 학회지(Journal of the European Academy of Dermatology and Venereology, JEADV)에 게재됐다. 이번 연구는 오스트리아 비엔나 의과대학 연구진과 공동으로 진행됐다.