암 조기 검진부터 질병 추적까지, AI는 의료 영상을 어떻게 변화시키고 있나요?

의사 없이도 인체 깊숙이 침투할 수 있다는 게 좀 믿기지 않나요? 방사선 의료 영상 기술은 큰 발전을 이루었고 AI의 지원으로 또 다른 큰 발전을 이루었습니다. AI와 머신러닝의 강력한 컴퓨팅 능력을 활용해 인체를 스캔하고 인간의 눈이 간과할 수 있는 미묘한 차이를 찾아내는 것이 현재 의료계가 하고 있는 일이다.

오늘날의 의료 영상에는 모든 데이터 포인트를 분석하여 건강에서 질병을 찾고 소음에서 신호를 찾는 일련의 복잡한 기술이 포함됩니다. 방사선학의 초기 수십 년 동안 연구자들의 주요 임무는 신체 사진의 해상도를 높이는 것이었고, 이후 수십 년 동안의 임무는 데이터를 해석하고 누락된 부분이 없는지 확인하는 것이었습니다.

처음에는 영상 기술의 주요 임무가 질병을 진단하는 것이었지만, 이제 영상 기술은 특히 암 분야에서 점차 치료의 중요한 부분이 되고 있습니다. 의사들은 이미지를 연구하고 암세포의 확산을 모니터링하여 치료가 효과가 있는지 더 빠르고 더 잘 알 수 있도록 돕습니다. 이미징이 새로운 역할을 하기 시작했고, 환자를 치료하는 방식도 바뀌었습니다. 의사는 더 많은 정보를 갖고 환자를 위해 더 나은 치료법을 선택할 수 있습니다.

텍사스 대학교 사우스웨스턴 메디컬 센터 부교수 Basak Dogan은 다음과 같이 말했습니다. "향후 5년 안에 우리는 기능적 영상이 치료의 일부가 되는 것을 보게 될 것입니다. 오늘날의 표준 영상은 실제 임상 질문에 답할 수 없으며 환자들은 더 높은 품질의 치료를 원합니다. " 풍부한 정보를 바탕으로 더 나은 결정을 내릴 수 있도록 하는 기능적 기술은 조기 진단에 도움이 될 수 있습니다.

이미지를 최대한 활용하고 자동으로 판독하여 방사선 전문의의 소중한 시간을 절약하세요. 시간은 대부분의 이미징 작업에서 가장 먼저 발생하는 장애물입니다. 엑스레이, CT 스캔, MRI, 초음파 등. 이때 컴퓨터 지원 알고리즘이 작동하여 강력한 컴퓨팅 성능을 사용하여 컴퓨터가 비정상과 정상을 구별하도록 훈련시킬 수 있습니다. 이 작업이 현재 수행되고 있습니다.

소프트웨어 전문가들은 수년 동안 방사선 전문의와 협력하여 대량의 정상 및 비정상 이미지를 분석해 왔습니다. 의사는 결과를 컴퓨터 프로그램에 입력하여 컴퓨터가 시간이 지남에 따라 학습하여 결국 이상을 구별할 수 있도록 합니다. 더 많은 이미지를 비교하고 더 많이 학습할수록 AI의 식별 능력은 더욱 강해집니다.

FDA는 80-90% 정확도의 이미징 알고리즘을 승인했습니다. 그럼에도 불구하고 FDA는 기계 학습 알고리즘이 발견을 하더라도 궁극적으로 결정을 내리는 것은 인간의 몫이라고 요구합니다. AI는 발견된 의심 사항에 의사가 검토할 수 있도록 표시할 수 있으므로 의사는 환자에게 더 빠르게 답변을 제공할 수 있습니다.

Mass General Brigham의 병원에서는 동맥류 및 암 감지부터 색전증 및 뇌졸중 증상 발견에 이르기까지 치료를 지원하기 위해 약 50가지 알고리즘을 사용합니다. 알고리즘 중 절반은 FDA의 승인을 받았으며 나머지는 아직 테스트 중입니다.

종합병원 방사선과 부회장이자 최고 데이터 과학 책임자인 Keith Dreyer는 다음과 같이 말했습니다. "우리의 목표는 질병을 조기에 발견하는 것입니다. 때때로 인간 의사가 정확하게 진단하는 데 며칠이 걸리지만 컴퓨터는 다릅니다. 결코 그렇지 않습니다. 컴퓨터가 할 수 있다면 정확한 진단으로 치료가 더 빨라질 것입니다."

환자 추적 개선

의료에 AI를 접목하는 첫 번째 단계는 머신러닝입니다. 환자를 모니터링하고 미묘한 변화를 추적하는 중요한 도구입니다. 이러한 기술은 암 치료에서 매우 중요합니다. 의사가 암세포가 성장하는지, 수축하는지, 그대로 유지되는지를 판단하고, 이는 암 치료 방법을 결정하는 데 중요합니다.

Dogan은 다음과 같이 말했습니다: "환자가 화학 요법을 받고 있는데 암세포에 무슨 일이 일어나고 있습니까? 우리가 이해하기 어렵습니다. 표준 영상 기술은 화학 요법이 끝나기 전에 어떤 변화도 감지할 수 없습니다. 전체 과정은 몇 달 동안 지속될 수 있습니다. 수축을 보려면 몇 달이 걸릴 것입니다.”

AI 영상을 사용하면 크기와 해부학적 구조에 관계없이 암세포의 변화를 감지할 수 있습니다. 도건은 "화학요법 초기에는 암세포의 변화 대부분이 아직 세포 사멸 수준에 이르지 못했다. 이러한 변화는 면역세포와 암세포 사이의 변형된 상호작용에 존재한다"고 덧붙였다.

암은 많은 경우에 발생한다. 세포는 외부에서 내부로 이동하지 않습니다. 예측 가능한 방식으로 수축하는 대신, 종양 내의 암세포의 작은 주머니는 죽을 수 있지만 다른 세포는 살아남아 전체 덩어리가 벌레 물린 스웨터처럼 구멍이 난 채로 남을 수 있습니다. 세포 사멸은 종종 염증과 관련되어 있기 때문에 암세포의 크기가 계속 증가하는 경우도 있지만 암세포의 수가 반드시 증가하는 것은 아닙니다. 표준 영상으로는 얼마나 많은 암세포가 살아 있고 얼마나 많은 세포가 죽었는지 알 수 없습니다. 유방암에 가장 일반적으로 사용되는 영상 기술은 유방 조영술과 초음파로, 이는 단순히 해부학적 특징을 찾는 데 사용됩니다.

텍사스 대학교 사우스웨스턴 메디컬 센터에서 Dogan은 두 가지 영상 기술을 사용하여 유방암 환자의 기능적 변화를 추적합니다.

첫 번째는 환자가 화학 요법을 받을 때마다 환자의 사진을 찍고 미세 기포를 주입하여 암세포 주변의 미묘한 압력 변화를 관찰하는 것입니다. 초음파는 암세포 주위에 모이는 기포 압력의 변화를 감지할 수 있습니다. 성장하는 암세포는 다른 조직보다 확장을 지원하는 혈관이 더 많습니다.

또 다른 연구에서 Dogan은 빛을 소리 신호로 변환하는 광음향 이미징 기술을 테스트했습니다. 유방 조직에 레이저 빛을 비추면 세포가 진동하여 포착하고 분석할 수 있는 음파가 생성됩니다. 광음향 이미징 기술을 사용하면 암세포의 산소 함량을 확인할 수 있습니다. 암세포는 성장할 때 일반 세포보다 더 많은 산소를 필요로 합니다. 소리의 변화를 분석함으로써 암세포의 어느 부분이 자라는지, 어느 부분이 자라지 않는지 알 수 있습니다.

Dogan님은 "암세포의 영상을 분석하면 어느 부분이 림프절로 전이될 가능성이 가장 높은지 알 수 있습니다. 임상의는 암세포의 어느 부분이 림프절로 전이되는지 알 수 없습니다. 광음향 기술을 사용하면 우리는 암세포를 조기에 발견할 수 있습니다. 현재 스캔에는 나타나지 않는 확산 징후는 인간이 볼 수 없는 이상을 찾기 위해 침습적 생검이 필요하지 않습니다.

Dreyer는 충분한 데이터와 이미지가 있을 때 말했습니다. , 알고리즘은 인간이 할 수 없는 왜곡을 발견할 수 있습니다. 그의 팀은 신체의 바이오마커를 측정하고 그 변화를 표시하여 누군가에게 뇌졸중, 골절 또는 심장 마비의 위험이 있음을 알릴 수 있는 알고리즘을 개발하고 있습니다.

Dreyer는 이 기술이 의료 영상의 "성배"라고 믿습니다. 비록 아직 성숙하지는 않았지만 AI 의료에 변화를 가져올 수 있습니다.

더 많은 AI 모델이 출시됨에 따라 AI 이미징은 결국 집에서 환자를 도울 수 있습니다. 언젠가 우리는 스마트폰 앱을 통해 초음파 영상정보를 얻을 수 있을지도 모릅니다.

Dreyer는 "AI가 의료에 가져오는 진정한 변화는 환자가 되기 전에 사람들에게 다양한 솔루션을 제공하여 사람들이 건강을 유지할 수 있다는 것입니다."라고 말했습니다.

위 내용은 암 조기 검진부터 질병 추적까지, AI는 의료 영상을 어떻게 변화시키고 있나요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!