목적: 전립선암의 분할과 악성도 구별(글리슨 점수 6 과 7 이상)를 위한 현성 확산 계수 영상을 기반으로 개발된 딥러닝 알고리즘의 실현 가능성을 조사한다.
방법: 2018년 10월에서 2022년 3월 사이에 수술 전 3 테슬라-자기공명 영상을 촬영하고 근치적 전립선적출술을 통해 조직학적으로 전립선암으로 진단받은 149명의 환자가 연구에 포함되었다. 종양의 분할 및 분류를 위한 딥러닝 알고리즘을 개발하기 위하여 두 명의 영상의학과 의사가 레이블링 소프트웨어를 이용하여 현성 확산 계수 영상 (확산경사계수 b 값, 2000 s/mm²)에 전립선 경계와 종양을 따라 레이블링 작업을 하였다. 레이블된 데이터 (각각 GS6, 148개 이미지, GS7, 580개 이미지)는 합성곱신경망의 일종인 U-Net을 이용하여 종양 분할에 적용되었다. 종양의 악성도 구별을 위해 총 93개의 GS6 이미지와 382개의 GS7 이미지가 학습에 사용되었다. 외부 검증을 위해서 5개의 서로 다른 자기공명영상 장치로 촬영한 22명의 환자 (각각 GS6, 25개 이미지, GS7, 70개 이미지)가 모집되었다. 종양 분할 및 악성도 구별에 대한 참조 표준은 각각 조직학적 구축검사 및 글리슨 점수로 설정하였다.
결과: 전립선 분할에 대한 다이스 점수(Dice score)는 내부 검증과 외부 검증에서 각각 0.951와 0.9413였고, 전립선 종양 분할에 대한 다이스 점수는 각각 0.822 와 0.7776였다. 악성도 구별의 정확도는 내부 검증과 외부 검증에서 각각 73% 와 75% 였다. 특히 외부 검증에서 GS6 구별 민감도는 48%, 특이도는 84%, 양성예측도는 52%, 음성예측도는 82%였고, GS7 구별 민감도는 84%, 특이도는 48%, 양성예측도는 82%, 음성예측도는 52%였다.
결론: 전립선 암의 분할 및 악성도 구별에 있어서 현성 확산 계수 영상을 단독으로 이용한 딥러닝 알고리즘은 실현 가능하다.