대한민국 등록: 10-2690881 (2024년 7월 29일)
임상 의사결정 지원 시스템(Clinical Decision Support System)은 환자 진료에서 의사가 진단이나 치료 방침을 결정 및 판단할 때 필요한 기반 지식을 제공하고 올바르게 추론할 수 있도록 도와주는 기능을 제공함으로써 의사 결정(Decision Making)을 지원하는 시스템이다. 인공지능을 적용하여 임상 의사결정에 도움을 받고자 하는 시도가 활발하게 진행되었고, 의료 영상은 물론, 병력, 건강 수치 등을 포함한 각종 의료 정보에 인공지능 알고리즘을 적용하여 임상의(clinician)의 의사결정에 도움을 주는 방법이 개발되어 왔으나, 임상적으로 유의미한 데이터가 부족하며 제한된 데이터에 기반한 분석으로 인하여, 데이터의 과적합(overfit)에 의하여 잘못된 패턴이 얻어지거나 임상적으로 의미 없는 패턴이 얻어지는 문제점이 있다.
본 발명은 종래기술 및 상기의 선행기술의 문제점을 해결하고자 하는 발명으로서, 환자와 유사한 사례를 추출하기 위하여, 가중치에 기반한 계층 분석법(AHP, Analytic Hierarchy Process)를 적용하고, 가중치가 반영된 환자의 속성 정보와 이미 저장된 환자의 사례 정보를 비교하여 임상적으로 유의미한 유사 증례 검색(similar case image retrieval) 기술이다. 유사 증례 검색을 지원하기 위한 데이터베이스 구축 및 그를 위한 효과적인 정량화 파라미터를 제안하고, 임상적으로 유의미한 유사 증례 검색을 위하여 유사도를 계산할 수 있도록 정량화된 파라미터를 도출하여 제안하고, 각각의 증례 영상을 하나의 정량화 파라미터를 이용하여 나타내며, 증례 영상 간의 유사도 평가결과에 기반하여 유사 증례를 검색하는 기술을 제공하는 것을 목적으로 한다.
본 발명의 의료 영상 분석 시스템은 흉부 CT 영상에 대한 영상 분석을 수행하고, 정량적 특징을 추출 및 해부학적으로 구분된 정량적 파라미터로 변환하며, 유사도를 판단하는 유사도 엔진을 통해 유사 증례 검색이 가능하게 한다 (그림1). 정량적 파라미터를 복수의 해부학적 영역 별로 매핑하기 위해서는 적어도 하나 이상의 해부학적 영역을 영상 분할(image segmentation)에 의하여 분할하는 과정이 선행되어야 한다.
▲그림 1. 의료 영상 분석 시스템의 동작 개요
폐 CT 영상의 분석에서 가장 기본이 되는 폐엽 분할(lung lobe segmentation)이 진행되며 (그림 2), 이는 폐의 전체 영역을 다른 장기로부터 분할하고, 폐의 좌우 영역 및 각 엽이 분할된다. 이 분할 결과를 통해 정량적 파라미터는 폐 전체, 왼쪽 폐, 오른쪽 폐, 좌상단폐엽, 좌하단폐엽, 우상단폐엽, 우중단폐엽, 우하단폐엽 각각에 대해서 산출될 수 있다.
▲그림 2. 의료 영상 분석 과정 중 폐엽 분할(lung lobe segmentation)
폐 영상에서의 정량적 분석의 종류로는 다음과 같은 것들을 예로 들 수 있다. LAA(Low Attenuation Area), LAA의 크기 분석(LAA Size Analysis), 기도 벽의 상대적인 두께를 나타내는 지표인 AWT-Pi10, 폐포 내에서 공기가 갇혀 있는 영역인 Air Trapping 분석 등이 정량적 지표들로 이용될 수 있다. 이들 정량적 특징들은 폐 영역 내에서 분할된 해부학적 영역들 각각에 대하여 산출될 수 있으며, 정량적 특징들을 해부학적 영역들 각각에 대응시켜 분석한 정량적 파라미터를 유사도 분석을 위하여 사용함으로써 공간적 분포를 고려한 유사 증례를 검색할 수 있다.
폐를 포함하는 CT 영상 내에서 Hounsfield 값이 -950 HU 이하인 영역을 LAA로 구분하여 표시할 수 있으며 해당 영역은 폐포가 터져 공기로만 가득 찬 영역으로 분류된다 (그림 3). 임상적으로는 폐기종(emphysema)를 반영하는 것으로 알려져 있으며 실제로 호흡에 도움을 주지 않는 영역으로 이해할 수 있다.
▲그림 3. LAA (Low Attenuation Area) 분석 및 결과
또한 기도에 대한 정량적인 분석도 임상적으로 중요하다. 기도 벽이 두꺼우면 숨을 잘 내뱉지 못하게 될 가능성이 높은 것으로 알려져 있으며 이를 정량적으로 표현하기 위하여 AWT-Pi10 파라미터가 이용된다. CT 영상에서 폐와 Lobe 영역이 분할된 후, 기도 영역(Airway) 및 기도의 각 branch에서 lumen과 기도 벽 영역이 분할된다. 분할된 결과를 이용하여 분할된 영역 각각에 포함된 기도에 대하여 lumen perimeter(둘레 길이)와 wall area를 정량화한다. 이때 동일한 기준에서 비교하기 위하여 분할된 해부학적 영역 내의 모든 기도에서 구한 값들을 직선방정식으로 모델링 한 후 lumen의 둘레길이가 10mm일때의 기도 벽의 두께를 AWT-Pi10이라고 정의해서 이용한다.
▲그림 4. Bronchus의 정량적 파라미터 중의 하나인 AWT-Pi10 분석
분석된 정량적 파라미터는 정량적 특징들의 벡터로 나타내어지며, 벡터 공간 상에 매핑하고 각각의 정량적 파라미터들 간의 벡터 공간 상의 거리에 기반하여 유사도에 따른 랭킹을 부여하여 주어진 의료 영상과 가장 가까운 기존의 의료 영상들을 검색할 수 있다.
의료 영상에 대하여 정량화된 파라미터 벡터 및 각 해부학적 영역에 대한 인덱스를 포함하여 분석하며 의료 영상과 연결되어 데이터베이스 상에 저장된다. 이후에 새로운 의료 영상이 입력되면, 새로운 의료 영상에 대한 분석에 의하여 도출된 정량화된 파라미터 벡터와 기존 데이터베이스 상에 저장된 정량화된 파라미터 벡터들 간의 거리에 기반한 유사도를 측정하여 새로운 의료 영상과 임상적인 의미가 가장 유사한 적어도 하나 이상의 의료 영상을 검색하여 유사 증례로 제공할 수 있다.
이러한 방법으로 의료 영상에서 분석된 정량적 파라미터에 기반하여 콘텐츠 기반 이미지 검색(content-based image registration, CBIR)을 수행한다.
본 발명을 통해 의료 영상 분석을 통해 정량화 파라미터를 도출하여 데이터베이스를 구축할 수 있고 임상적으로 유의미한 유사 증례 검색 기술을 구현할 수 있으며, 유사 증례 검색을 효과적으로 지원하고, 유사 증례 검색 시 보다 많은 증례 및 보다 많은 정보를 제시할 수 있다. 본 발명을 활용하면 환자의 진단 및 치료 방법 결정에 도움을 줄 수 있을 것으로 생각한다.
본 발명은 과학기술정보통신부 및 정보통신기술진흥센터의 SW 컴퓨팅산업원천기술개발사업의 일환으로 수행한 연구로부터 도출된 것이다.
※ 이상민 교수는 2011년부터 우리 병원 영상의학과에 재직 중이다.
융합의학과 MI2RL 연구실(의료영상지능실현연구실)에서 폐의 기능적 영상, 정량적 분석 및 인공지능 연구를 진행하고 있으며, 여러 연구 및 과제 수행을 통해 임상에서 필요한 영상 분석 기술 개발 및 개발된 기술의 임상 적용을 통해 여러 폐질환의 조기 진단, 치료 및 예후 예측 등 다양한 진단 및 치료 반응 평가 기술의 개발을 위해 노력하고 있다.