손목터널증후군 분류를 위한 초음파 기반 인공지능

손목터널증후군(CTS)은 가장 널리 퍼진 말초 신경병증 중 하나이며, 일반 인구의 약 4%에 영향을 미칩니다. 일반적으로 경증, 중등도, 중증의 3단계로 분류됩니다. 손목터널증후군(CTS)의 정확한 등급 분류는 적절한 치료 옵션을 결정하는 데 필수적이며, 이를 통해 환자 결과를 최적화하는 데 중요한 역할을 합니다. 전기생리학적 검사(EST)는 손목터널증후군(CTS) 등급을 매기는 핵심 매개변수입니다. 그러나 이는 침습적 특성, 낮은 재현성, 초기 질병 감지에 대한 민감도 감소 등 여러 요인으로 인해 제한됩니다. 최근 초음파는 CTS의 평가 및 등급 지정을 위해 임상의들 사이에서 널리 받아들여지고 있습니다. 그럼에도 불구하고 방사선 전문의는 영상 품질의 다양성, 경험의 차이, 고유한 주관성으로 인해 이 과정에서 어려움을 겪는 경우가 많습니다.

이러한 문제를 해결하기 위해 인공지능은 유망한 솔루션을 제시합니다. 따라서 본 연구에서는 B 모드 초음파, 우수한 미세혈관 영상(SMI) 및 탄성 영상을 포함한 다중 모드 영상 기능을 활용하여 CTS 등급을 매기는 딥 러닝 모델을 개발하는 것을 목표로 합니다. 또한 연구자들은 다양한 임상 센터의 이미지로 모델을 테스트하여 모델의 효과를 검증하고 다양한 임상 설정에 걸쳐 일반화할 수 있도록 할 계획입니다.