인공지능 기법을 이용한 유방 미세석회화 분류에 대한 전향적 관찰 연구

유방 미세석회화는 현재 BI-RADS 방사선 척도를 사용하여 분류됩니다. 의심스러운 미세석회화(B3)의 경우 조직병리학적 평가를 위해 생검 평가를 수행하는 것이 좋습니다. 그러나 수행된 생검의 약 70-80%는 외과적 치료가 필요하지 않은 양성 조직학을 보여줍니다. 핵심 생검은 생물학적, 심리적(환자 불편), 조직적 및 경제적(의료 시스템의 경우) 비용이 드는 침습적 절차입니다. 따라서 미세석회화에 대한 방사선학적 분류의 정확성 향상이 필수적이다. 최근 디지털 유방조영상에서 미세석회화를 양성 또는 의심스러운 것으로 감지하고 분류하기 위한 다양한 접근법이 문헌에 보고되었습니다. 딥 러닝(DL) 사용을 기반으로 하는 분석 방법도 유방 조영술 이미지 처리에 유망한 것으로 나타났습니다. 합성곱 신경망(CNN)은 현재 컴퓨터 비전 분야의 많은 응용 분야에서 이미지 분류를 위한 최신 기술입니다. 본 연구는 인공지능(AI) 기술을 이용하여 유방조영술 영상에 대한 유방 미세석회화(양성 또는 악성) 분류 방법을 구현하고, 이 접근법의 진단 성능(정확도)을 평가하고자 한다. 평가는 표준 방사선학적 접근법(BI-RADS 분류)을 참조하여 수행됩니다.

유방 촬영 영상에 AI 시스템을 적용하는 것과 함께, 현재 임상에서 더 필요한 것은 미세석회화의 생체분자 특성을 현장에서 결정할 수 있는 진단 도구의 개발이며, 조직을 채취하지 않고 그 특성을 정확하게 구별하고, 샘플을 고정 및 삽입하는 것입니다. 파라핀, 그리고 병리학자에 의한 고도로 전문화된 평가 없이. 라만 분광법(RS)은 생체 분자 관점에서 볼 때 매우 특정한 방법이며 동시에 생체 내 측정과 호환됩니다. 그것은 직접 조사(레이저 광을 통한)와 방출 신호의 동시 획득을 통해 주어진 샘플의 분자 구성을 탐색할 수 있는 생체 광자적 접근 방식으로 구성됩니다. RS 정보는 이미징 기능과 함께 결합되어 유방 미세석회화의 통합 분류를 위한 AI 모델을 구현할 수 있습니다.