진단 복강경 영상 기반 인공지능을 활용한 난소암 복막 전이 평가
📝 원문 정보
- Title: Artificial Intelligence for the Assessment of Peritoneal Carcinosis during Diagnostic Laparoscopy for Advanced Ovarian Cancer
- ArXiv ID: 2512.14797
- 발행일: 2025-12-16
- 저자: Riccardo Oliva, Farahdiba Zarin, Alice Zampolini Faustini, Armine Vardazaryan, Andrea Rosati, Vinkle Srivastav, Nunzia Del Villano, Jacques Marescaux, Giovanni Scambia, Pietro Mascagni, Nicolas Padoy, Anna Fagotti
📝 초록 (Abstract)
목적: 진행성 난소암 환자의 진단 복강경(DL) 중 인공지능(AI) 시스템을 개발하여 수술 적합성을 실시간으로 지원한다. 배경: 진행성 난소암은 복막 전이(PC)와 함께 말기에 진단되는 경우가 많으며, Fagotti 점수(FS)는 DL에서 PC 정도를 평가해 수술 가능성을 예측하는 표준이다. 그러나 FS는 주관적이고 시행자 의존도가 높아 재현성이 떨어진다. 방법: 한 기관에서 DL을 시행하면서 FS를 기록한 영상을 후향적으로 수집하고, 개발 데이터셋과 독립 검증용 테스트 데이터셋으로 구분하였다. 개발 데이터셋에서는 FS와 관련된 프레임을 해부학적 구조와 PC 여부로 수동 라벨링하고, 프레임 선택, 구조·PC 분할, 영상 수준 FS 및 수술 적합성 판단(ItS) 예측을 위한 딥러닝 모델을 학습시켰다. 성능 평가는 구조·PC 분할에 대한 Dice 점수, 해부학적 구역(AS) 분류와 ItS 예측에 대한 F1 점수, 최종 FS 추정에 대한 RMSE로 수행하였다. 결과: 개발 데이터셋(7,311 프레임)에서 구조 분할 Dice 70 ± 3 %, PC 분할 Dice 56 ± 3 %를 기록하였다. 영상 수준 AS 분류 F1 74 ± 3 %와 73 ± 4 %를 달성했으며, FS 예측의 정규화 RMSE는 각각 1.39 ± 0.18, 1.15 ± 0.08이었다. ItS 예측 F1 점수는 개발 데이터셋(n = 101)과 독립 테스트 데이터셋(n = 50)에서 각각 80 ± 8 %와 80 ± 2 %를 보였다. 결론: 본 연구는 DL 영상으로부터 자동으로 FS를 추정하고 수술 가능성을 판단하는 최초의 AI 모델을 제시한다. 데이터셋 간 일관된 성능은 AI가 진행성 난소암 환자의 종양 부하를 표준화하고 임상 의사결정을 지원할 수 있음을 시사한다.💡 논문 핵심 해설 (Deep Analysis)
성능 평가는 각각의 과업에 맞는 지표를 사용하였다. 구조 세그멘테이션에서 Dice 70 %는 임상적으로 충분히 정확한 수준이며, 특히 복막 전이와 같이 불규칙하고 저대조를 보이는 병변에 대해서는 Dice 56 %라는 다소 낮은 점수를 보였지만, 이는 영상의 잡음과 라벨링의 주관성에 기인할 가능성이 크다. 해부학적 구역(AS) 분류와 ItS 예측에서 F1 ≈ 80 %를 달성한 것은 실제 수술 계획에 적용해도 큰 오차 없이 활용 가능함을 의미한다. FS 예측에 사용된 정규화 RMSE가 1.15 ~ 1.39 수준이라는 점은, 평균적으로 1~2점 정도의 차이가 난다는 뜻이며, 이는 기존 인간 평가자 간 변동성(보통 ±2점)과 비교해도 경쟁력 있다.
데이터셋을 개발용과 독립 테스트용으로 분리한 점은 과적합을 방지하고 모델의 일반화 능력을 검증하려는 의도로 긍정적이다. 다만, 단일 기관에서만 데이터를 수집했기 때문에 다른 병원·기기·촬영 조건에서의 성능은 아직 검증되지 않았다. 또한, 라벨링이 전문가에 의해 수행됐음에도 불구하고 주관적 판단이 포함될 수 있어, 라벨 품질이 모델 성능에 미치는 영향을 추가적으로 분석할 필요가 있다.
임상 적용 측면에서 가장 큰 장점은 실시간 혹은 근접 실시간으로 FS를 제공함으로써, 수술팀이 복강경 중에 즉시 수술 여부를 판단할 수 있다는 점이다. 이는 불필요한 개복 수술을 피하고, 환자에게 최적의 치료 경로를 제시하는 데 기여한다. 향후 다기관·다국가 데이터를 확보해 모델을 재학습하고, 영상 외에 환자 연령·CA-125 등 혈액 마커를 통합하면 예측 정확도를 더욱 높일 수 있다. 또한, 현재는 FS와 ItS만을 예측했지만, 향후 종양 부피, 혈관 침범 등 보다 세분화된 종양 부하 지표를 제공하도록 확장할 여지가 있다.
결론적으로, 이 연구는 복강경 영상 기반 AI가 난소암 수술 적합성 평가에 실질적인 임상 가치를 제공할 수 있음을 증명했으며, 향후 다중 센터 검증과 시스템 통합을 통해 실제 수술실에 적용될 가능성을 열어준다.
📄 논문 본문 발췌 (Translation)
📸 추가 이미지 갤러리
