딥러닝 기반 지능형 진단 및 치료 연구

이 연구는 두개악안면 다중 모드 영상 분석과 지능형 임상 의사 결정 지원을 위한 딥 러닝 모델을 개발, 훈련 및 검증하는 것을 목표로 하는 영상 기반 임상 인공지능 연구입니다. 약 2,000명의 참가자가 등록될 예정입니다. 모든 참가자는 일상적인 치과, 교정, 구강악안면 또는 관련 임상 진료 중에 얻은 두개악안면 영상 데이터와 관련 임상 정보를 보유하게 됩니다.

이 연구에 사용된 영상 데이터에는 2차원 안면 사진, 콘빔 컴퓨터 단층촬영 영상, 3차원 안면 표면 스캔이 포함될 수 있습니다. 관련 임상 데이터에는 인구통계학적 정보, 임상 진단, 골격 또는 치아 분류, 두부계측 측정값, 치료 관련 기록, 이용 가능한 전문가 평가가 포함될 수 있습니다. 이 연구는 두개악안면 영상 분류, 해부학적 랜드마크 검출, 영역 분할, 이상 인식 및 치료 관련 의사 결정 지원을 위한 인공지능 모델 개발에 중점을 둘 것입니다.

모델 개발 전에 모든 영상 데이터는 표준화된 전처리 과정을 거칩니다. 전처리 절차에는 영상 비식별화, 품질 평가, 형식 변환, 영상 방향 보정, 자르기, 해상도 표준화, 그레이스케일 또는 강도 정규화, 공간 정합, 관심 영역 추출이 포함될 수 있습니다. 2차원 영상의 경우 특정 영상 작업에 따라 표준화된 안면 또는 방사선 영역이 정의됩니다. 콘빔 컴퓨터 단층촬영 및 3차원 안면 표면 데이터의 경우 전처리에는 체적 재구성, 표면 재구성, 메시 처리, 포인트 클라우드 처리 또는 해부학적 구조 추출이 포함될 수 있습니다.

참조 라벨은 임상 의료 기록, 임상의 진단 및 전문가 수동 주석에서 파생됩니다. 분할 작업의 경우 해부학적 영역이나 구조는 훈련받은 임상의나 보정된 연구자가 수동으로 주석을 답니다. 랜드마크 검출 작업의 경우 미리 정의된 해부학적 랜드마크가 표준화된 두개악안면 측정 프로토콜에 따라 주석 처리됩니다. 분류 작업의 경우 골격 패턴, 치아 관계, 두개악안면 형태 범주 또는 기타 임상적으로 의미 있는 분류 라벨이 전문가 평가에 기반하여 결정됩니다. 관찰자 간 및 관찰자 내 일관성도 평가되어 수동 주석과 임상 라벨의 신뢰성을 보장합니다.

약 2,000명의 참가자 데이터 세트는 훈련, 검증 및 테스트 데이터 세트로 나뉩니다. 데이터의 70%는 모델 훈련에, 15%는 모델 검증에, 15%는 독립 테스트에 사용됩니다.

딥 러닝 모델에는 합성곱 신경망, 주의 기반 모델 및 다중 작업 학습 모델이 포함됩니다. 모델 개발에는 하이퍼파라미터 최적화, 정규화, 데이터 증강 및 검증 데이터 세트 기반 성능 모니터링이 포함됩니다.

영상 분할 작업의 경우 모델 성능은 Dice 유사 계수, 교집합 대비 합집합, 픽셀 정확도, 민감도, 특이도 및 적용 가능한 경우 Hausdorff 거리 또는 평균 표면 거리와 같은 경계 거리 지표를 포함한 분할 정확도 지표를 사용하여 평가됩니다. 영상 분류 및 진단 인식 작업의 경우 모델 성능은 정확도, 정밀도, 재현율, F1 점수, 민감도, 특이도, 양성 예측도, 음성 예측도, 수신기 조작 특성 곡선 분석 및 수신기 조작 특성 곡선 아래 면적을 사용하여 평가됩니다. 혼동 행렬은 진단 범주 간의 정확 및 부정확 분류 분포를 설명하는 데 사용됩니다. 다중 클래스 분류 작업의 경우 매크로 평균 및 가중 평균 성능 지표가 보고될 수 있습니다. 해부학적 랜드마크 검출 작업의 경우 모델 성능은 평균 방사상 오차, 평균 절대 오차, 임상적으로 의미 있는 거리 임계값 내 성공 검출률 및 전문가 주석과의 일치도를 사용하여 평가됩니다.

치료 관련 의사 결정 지원 작업의 경우 모델 출력은 전문가 임상 판단과 비교됩니다. 평가 지표에는 정확도, 정밀도, 재현율, F1 점수, AUC 및 결정 곡선 분석이 포함됩니다.

영상 주석 및 데이터 처리에 관련된 인력은 연구 시작 전에 관련 교육을 받습니다. 식별 가능한 개인 정보에 대한 접근은 승인된 연구 인력으로 제한됩니다. 모델 개발에 사용되는 분석 데이터 세트는 가능한 한 비식별화되거나 가명 처리됩니다.

약 2,000명의 참가자 계획 등록은 영상 양식과 임상 범주의 분포가 적절할 때 하위 그룹 분석 및 견고성 테스트를 지원할 것으로 예상됩니다. 누락, 이용 불가, 해석 불가 또는 불일치 데이터는 기록됩니다.

이 연구에서 개발된 인공지능 모델은 의료 제공자가 두개악안면 영상 분석 및 임상 의사 결정 지원을 돕기 위한 것입니다. 이 모델은 자격을 갖춘 임상의의 전문적인 임상 진단이나 개별화된 치료 계획을 대체하지 않습니다. 이 모델의 향후 임상 적용은 추가 검증, 임상 검토 및 적절한 기관 또는 규제 승인이 필요합니다.