AI 기술을 이용한 유방암 환자의 NAT 후 PCR 평가 모델 구축 및 검증 원문보기 KCI 원문보기 인용

유방암은 전 세계적으로 여성에게 가장 흔한 암입니다. Neoadjuvant 치료(NAT)는 유방암의 표준화된 치료의 일부이며 국소적으로 진행된 유방암에 특히 중요합니다. 수많은 연구에 따르면 NAT 후 병리학적 완전 반응(pCR)을 달성한 환자는 더 나은 무병 생존율과 전체 생존율을 가질 수 있으므로 근치 수술의 생존 이점이 덜 중요할 수 있습니다. 그러나 현재 pCR은 외과적으로 절제된 검체를 병리학적 검사로만 판단할 수 있어 수술 전 pCR을 정확하게 판단할 수 있는지가 시급한 문제가 되고 있다.

인공지능(AI) 기술은 지능의 본질을 이해하고 인간의 지능과 유사하게 대응할 수 있는 새로운 지능형 기계를 생산하려는 컴퓨터 과학의 한 분야로, 그 중 이미지 인식은 임상 연구에서 중요한 요소로 널리 사용됩니다. AI의 구성 요소. 최근 몇 년 동안 AI 및 관련 알고리즘의 발전과 함께 점점 더 많은 연구자들이 이미지 이미지를 사용하여 NAT의 효능을 보다 정확하게 결정하기 위해 노력하고 있으며, 근치 수술에서 pCR을 달성하고 결코 달성하지 못하는 환자의 일부를 면제하려고 노력하고 있습니다. 더 나은 외모와 생존의 질.

Simon의 팀은 2006년부터 2016년까지 호주 잘츠부르크 종양학 센터에 참석한 246명의 환자를 선택하여 10년 이상의 경험을 가진 영상 과학자가 수술 전 DCE-MRI를 판독하고 완전 관해를 판단했지만 더 비관적인 결과를 얻었습니다. 결과: 단 48%의 양성 예측값. 진선팀은 2007년부터 2016년까지 삼성서울병원에서 NAT를 시행한 환자들을 선발했다. 그 결과 rCR(radiologic complete Response)과 유방 pCR 간 일치도 검정의 kappa 값은 0.459로 나타났으며, 겨드랑이 rCR과 겨드랑이 pCR 간의 일치도 검정의 kappa 값은 우와 에리카 팀이 거짓으로 이어지는 하위군을 분석했다. pCR의 음성 MRI 결정 및 G1-2, Luminal A/B 아형 및 덩어리지지 않은 조영증강이 있는 환자는 MRI로 완전한 관해를 평가하는 데 어려움이 있음을 시사했습니다. 이제 임상 적용 수준을 결정하기 위해 pCR에 대한 전통적인 모델링 접근법을 사용하는 것이 어렵다는 것이 분명합니다.

엘리자베스 팀은 수술 전 MRI, 특징 추출을 위한 AI 기술, 임상병리학적 정보를 사용하여 pCR 결정 모델을 구성했으며, AUC 0.83(95% CI: 0.71-0.94)으로 독립 검증 세트에서 잘 수행되었습니다. Imon의 팀은 Riesz 특징 추출을 사용하여 NAT를 받는 삼중 음성 유방암 환자의 pCR을 결정했으며 최종 모델 ROC는 0.85에 도달했습니다. 중국 우한에 있는 우한 연합 의과대학 병원 방사선과의 Yang Fan 교수 팀은 다상 DCE-MRI 매개변수와 기계 학습 알고리즘을 사용하여 모델을 구축했으며 곡선 아래에서 가장 높은 ROC 면적은 0.919에 도달했습니다. 위의 결과는 AI 기술을 이용한 이미징 조직학의 pCR 결정 모델이 기존 모델에 비해 크게 개선되었음을 보여줍니다.

점점 더 많은 연구에서 NAT pCR 결정을 위한 이미징 조직학의 중요성이 확인되었지만 현재 연구 중 많은 부분에 몇 가지 결함이 있습니다. 국제 표준 이미징 조직학 RQS 점수를 사용하여 평가했을 때 대부분의 연구는 다음과 같은 것으로 나타났습니다. (i) 외부 검증 코호트가 부족했습니다. (ii) 매개변수 추출에 대한 적절한 설명을 제공하지 않았습니다. (iii) 이미징 매개변수에 대한 표준화된 프로세스가 부족했습니다. (iv) 샘플 크기가 작았습니다. 따라서 더 체계적이고 표준화된 연구가 아직 대다수의 연구자에 의해 수행되지 않았습니다.

따라서 본 사업은 유방에 대한 국제적 가이드라인 및 국내 전문가 합의에 따라 인공지능 기술을 활용하여 다수의 센터에서 유방암 환자의 임상정보, 영상 및 병리학적 정보를 기반으로 유방암에서 NAT 후 pCR을 결정하기 위한 모델을 구축하고 검증할 계획이다. 암 NAT는 NAT 이후 환자의 수술 의사 결정 문제를 해결하기 위해 중국 전역의 여러 3차 진료 병원의 유방 의학, 수술, 병리학 및 영상 부서의 전문가를 결합합니다. 이 모델은 NAT 후 환자의 수술 의사 결정 문제를 해결하기 위해 검증될 것입니다.