조기 CT 기반 췌장암 AI 탐지 시스템 ePAI

초록

본 연구는 대규모 복합 데이터셋을 활용해 개발한 자동화 AI 시스템 ePAI가 CT 영상에서 2 cm 이하의 췌장암을 높은 정확도로 조기에 탐지하고 위치를 정확히 지정한다는 것을 입증한다. 내부 검증에서 AUC 0.939‑0.999, 민감도 95.3 %, 특이도 98.7 %를 기록했으며, 6개 외부 센터의 7,158명 데이터에서도 AUC 0.918‑0.945, 민감도 91.5 %, 특이도 88.0 %를 달성했다. 특히 3‑36개월 전의 선행 CT에서 평균 347일 앞서 75/159 환자의 암을 발견했으며, 30명의 방사선과 전문의 대비 민감도가 50.3 % 높았다.

상세 분석

ePAI는 3단계 계단식 구조를 채택해 해부학적 분할, 병변 후보 탐지, 최종 병변 분류를 순차적으로 수행한다. 1단계에서는 nnU‑Net 기반 모델이 췌장 본체·머리·꼬리와 주변 혈관·확장된 관을 정확히 세그멘테이션한다. 2단계에서는 동일 nnU‑Net을 미세 조정해 실제 및 합성 병변(생성 AI로 자동 라벨링) 데이터를 함께 학습함으로써 2 mm 수준의 초소형 병변 검출 민감도를 크게 향상시켰다. 3단계에서는 형태·텍스처·위치·췌장 전체 형태학적 특징을 포함한 방사선학적 및 딥러닝 기반 피처를 결합한 분류기가 병변을 PDAC, 비PDAC, 정상으로 구분한다.

학습 데이터는 Johns Hopkins Hospital에서 확보한 1,598명의 대조증강 복부 CT이며, 병변 라벨은 수술 병리·2년 추적을 통해 확정하였다. 외부 검증에서는 북미·유럽·아시아 6개 센터의 7,158명(소형 PDAC 610명, 대형 PDAC 2,529명, 정상 4,019명)으로 일반화 능력을 평가했으며, 센터별 AUC 차이가 미미해 모델의 견고함을 확인했다. 특히 소형 종양(≤2 cm) 검출에서 91.5 %의 민감도를 유지했으며, 병변 위치 정확도는 내부 94.6 %·외부 88.7 %에 달했다.

예측 전 단계인 선행 CT(진단 전 3‑36개월)에서는 방사선과가 0 %의 검출률을 보인 반면, ePAI는 75/159(47 %) 환자를 평균 347일 앞서 탐지했다. 이때 모델은 직접적인 종양 신호뿐 아니라 췌관 확장·췌장 위축 등 2차 형태학적 변화를 포착해 조기 경고 신호로 활용했다. 다중 독자 연구에서는 30명의 보드 인증 방사선과와 비교해 민감도가 50.3 % 상승했으며, 특이도는 95.4 %로 동등했다(통계적 유의성 p<0.05).

기술적 강점으로는 (1) 픽셀‑단위 라벨링을 통한 높은 해석 가능성, (2) 합성 병변을 활용한 데이터 증강으로 초소형 병변 검출 능력 강화, (3) 오픈소스 공개와 상세 메타데이터 제공을 통한 재현성 확보가 있다. 한계점은 (①) 훈련 데이터가 단일 기관에 국한돼 있어 희귀 아종·비대조증강 스캔에 대한 성능 검증이 부족하고, (②) 선행 CT에 대한 사전 학습이 없으므로 실제 임상 적용 시 false‑positive 위험이 존재한다는 점이다. 향후 다기관 전향적 임상시험과 연계된 위험도‑이득 분석이 필요하다.