대장내시경 세척을 위한 인공지능 기반 전략 선택 시스템 개발 및 검증

인간의 흔한 질병인 대장질환은 인간의 삶의 건강에 심각한 영향을 미칩니다. 인구의 고령화, 식생활 구조의 변화, 환경오염의 심화에 따라 대장암, 대장용종, 염증성 장질환 등의 대장질환 발생률이 점차 증가하고 있습니다.

대장내시경은 대장암(CRC) 예방 및 조기 발견을 위한 가장 간단하고 널리 이용 가능한 선별 검사입니다. 대장내시경은 미란, 궤양, 출혈, 충혈, 부종, 용종, 조기암 등과 같은 회장말단과 직장결장의 작은 변화를 명확하게 관찰할 수 있습니다. 결장경 검사는 염증, 폴립 특성, 암의 분화 정도 등과 같은 점막 병변의 특성을 조직학적으로 정성적으로 분석하기 위해 병리학적 검사를 위해 병변 부위를 생검할 수 있습니다. 병변의 중증도를 파악하여 올바른 치료계획 수립이나 치료효과 판단에 도움이 됩니다. 대장내시경은 또한 결장직장 폴립, 조기 암, 출혈, 이물질 및 기타 질병의 최소 침습적 내시경 치료가 될 수 있습니다.

장 준비의 질은 선종과 폴립을 감지하는 대장내시경 검사의 능력에 영향을 미치기 때문에 CRC 예방에 대장내시경을 최적으로 사용하려면 적절한 장 준비가 필요합니다. 거의 모든 임상 지침은 대장내시경 전에 적절한 장 준비를 권장합니다. 그러나 대장내시경 검사의 최대 1/3이 장 준비가 부적절한 것으로 나타났으며, 이는 대장내시경 비용을 12%에서 22%까지 증가시키는 것으로 추정됩니다. 그리고 환자의 20%는 장이 적절하게 준비되지 않았습니다. 환자의 장 준비가 불충분한 경우, 세척의 어려움으로 인해 선종을 감지하지 못할 수 있습니다. 따라서 의사는 이러한 환자를 정확하게 식별하고 전체 장 세척 후 두 번째 대장 내시경 검사를 받도록 지시해야 합니다. 그러나 장청결도에 대한 평가는 의사가 주관적으로 결정하는 것으로 환자가 2차 대장내시경을 받아들이도록 유도할 객관적이고 효과적인 점수 기준은 없다.

딥 러닝은 지난 10년 동안 인공 지능 분야에서 중요한 돌파구입니다. 이미지 분석 및 이미지 분류에서 작은 특징을 추출하는 데 큰 잠재력을 가지고 있습니다. 2017년 네이처지는 인공지능을 활용해 피부질환을 진단할 수 있다는 논문을 발표했다. 이후 소화기 내시경 분야에서는 인공지능을 적용해 의사가 폴립을 찾아내고 폴립과 선종의 검출률을 높이는 연구가 점점 더 많아지기 시작했다. Misawa, M 팀은 인공 지능을 사용하여 90% 민감도로 폴립을 식별했습니다. 우리 연구팀의 목적은 실시간 장청결도 평가가 가능한 EndoAngel을 개발하는 것입니다. 보스턴 점수가 0-1인 장 세그먼트의 백분율과 선종의 발견률 사이의 관계를 기반으로 장 청결도에 대한 결정 곡선을 도출할 수 있습니다. 내시경 의사가 두 번째 대장 내시경이 필요한 환자를 식별하여 잘못된 의사 결정으로 인해 선종을 놓치고 청소 시간이 많이 드는 것을 방지할 수 있습니다. 동시에 인공지능은 소화기 내시경 분야에서 예비 연구 단계에 있으며, 우리의 연구 결과는 대장 내시경 선종의 발견률을 향상시키는 새로운 아이디어를 제공할 것으로 기대됩니다.

연구 과정은 다음과 같습니다. 모든 포함 기준을 충족하고 모든 제외 기준을 충족하지 않은 피험자는 대장내시경 전에 연구에 포함되었습니다. 대장내시경을 하는 동안 내시경의는 장을 세척하는 동안 물러서지 않고 그대로 있어야 합니다. 생검 환자는 일주일 동안 추적 관찰됩니다. 생검을 하지 않은 환자는 대장 내시경이 끝날 때 후속 조치를 취하고 검토를 위해 독립적인 데이터 분석 팀에 결과를 보냅니다. 환자의 비디오를 수집하고 세척, 생검 및 용종 관찰 클립을 제외합니다. 그런 다음 EndoAngel은 상행 결장, 횡행 결장 및 하행 결장의 Boston Bowel Preparation Scale을 평가하고 1점의 비율을 계산합니다.