인공지능 모델 'PANDA' 응용 연구

이 연구는 임상적으로 놓친 PDAC의 잠재적 사례에 중점을 둡니다. 저장대학교 제1부속병원의 여러 임상 시나리오에서 얻은 전향적 실제 코호트에서 딥 러닝과 비증강 CT 스캔을 기반으로 한 췌장암 검사 모델 PANDA를 평가하는 것을 목표로 합니다. 이 연구에서는 영상 보고가 음성이지만 PANDA 모델 결과가 긍정적인 환자를 추적하여 PANDA의 효능을 평가하기 위한 표준 검사를 통해 병리학을 검증할 예정입니다. 모델의 유용성, 적용성, 민감도 및 특이성을 검증하는 것을 목표로 합니다.

이러한 목표를 바탕으로 본 연구에서는 다음과 같은 작업을 수행할 것입니다.

1. PANDA의 결과를 활용하여 등록된 환자를 비PDAC, PDAC 및 정상 그룹으로 분류합니다. 이 결과를 영상 결과와 비교할 것입니다. PDAC에 대해 PANDA 양성으로 확인되었지만 췌장 병변에 대한 해당 영상 증거가 없는 환자 또는 영상 영상에서 췌장 소견을 시사하지만 후속 임상 개입이 부족한 환자는 추적 관찰 대상으로 분류됩니다. 이들 환자는 추가 검사와 진단을 위해 저장대학교 제1부속병원으로 이송될 예정이다. 2차 검사에서 확인된 PDAC 양성 사례의 경우 병리 확인을 위해 MDT와 같은 표준 임상 절차를 따릅니다. 2차 검사에서 PDAC 음성으로 확인된 환자는 결과를 확인하기 위해 최대 2년 동안 광범위한 추적 관찰을 거쳐 PANDA의 민감도와 특이성을 검증하게 됩니다. PANDA에서 비PDAC 양성이지만 영상에서 상응하는 췌장 소견이 부족한 것으로 확인된 환자는 정확성을 확인하기 위해 간담도 췌장 외과 의사의 검토를 받게 됩니다. PANDA에서 정상으로 보고되었으나 영상에서 췌장 이상을 암시하는 경우는 수술 전문가의 2차 검토를 거쳐 PANDA에서 거짓 음성을 확인하거나 배제합니다.
2. PANDA에서 확인된 참 양성 PDAC 사례의 경우 진료 기록(종양 표지자 수준, 환자 증상, 절제 가능성 등급, TNM 병기 등)을 수집하여 클리닉 SOC의 표준 명령을 통해 확인된 PDAC 환자의 해당 지표와 비교합니다. 이는 췌장암 발달의 병변을 조기에 발견하고 식별하는 PANDA의 능력을 검증하는 것을 목표로 합니다.