딥노이드는 RSNA에서 '폐 결절의 국소화와 Lung RADS 범주를 고려한 AI 기반 CAD 시스템의 진단 성능'을 주제로 한 초록을 발표한다. 연구는 딥노이드의 폐 결절 진단 솔루션 딥렁(DEEP:LUNG)의 임상적 성능을 평가하기 위해 진행됐다.
임상 연구에는 부산대학교병원, 양산부산대학교병원, 화순전남대학교병원의 협조로 2019년 1월부터 2023년 7월까지 수집된 저선량 흉부 CT(LDCT) 데이터 455건이 활용됐다. 연구는 폐 결절의 조직 분류, 크기, 악성도 분류, Lung-RADS 카테고리화, 결절 위치 국소화를 중점적으로 다뤘다.
딥렁은 진단 성능 평가에서 민감도 91.38%, 특이도 93.08%, 악성도 분류 AUROC 89.62%를 기록하며 우수한 성능을 입증했다. AUROC 지표는 85% 이상일 경우 높은 성능으로 간주되며, 딥렁은 이를 초과하는 결과를 보였다. Lung-RADS 카테고리 평가에서도 안정적인 민감도와 특이도를 유지했다. 고형 결절과 간유리 음영 결절의 크기 측정에서 각각 2mm, 3mm 이내의 오차 범위를 보이며 높은 정밀도를 나타냈다.
최우식 딥노이드 대표는 “폐 결절 진단 분야에서 AI의 효과를 입증할 수 있어 뜻 깊다”며 “의료진에게 더 나은 진단 지원 솔루션을 제공해 AI 의료 혁신을 선도하겠다”고 말했다.
이종균 헬스인뉴스 기자 press@healthinnews.kr
이종균 기자
press@healthinnews.kr