본 연구는 심폐 초음파 영상(SAX, 4CH)과 임상 데이터를 활용하여 폐동맥 고혈압(PH)을 비PH, 전모세혈관 PH, 후모세혈관 PH로 분류하는 심층 학습 모델을 개발하고 검증했습니다. 난징 의과대학 제1부속병원의 환자 204명(전모세혈관 PH 112명, 후모세혈관 PH 32명, 비PH 대조군 60명)의 데이터를 사용하여 그래프 합성곱 신경망(GCN), 합성곱 신경망(CNN), 트랜스포머를 결합한 심층 학습 모델을 개발했습니다. 35번의 반복적인 테스트를 통해 모델의 성능을 평가하였으며, AUC는 0.81 ± 0.06, 정확도는 0.73 ± 0.06을 달성했습니다. 각 질환에 대한 판별 능력은 비PH(AUC = 0.74 ± 0.11), 전모세혈관 PH(AUC = 0.86 ± 0.06), 후모세혈관 PH(AUC = 0.83 ± 0.10)로 나타났습니다.
시사점, 한계점
•
시사점:
◦
다중 모달 데이터(심폐 초음파 영상, 임상 데이터)를 통합하여 폐동맥 고혈압의 조기 진단 및 분류에 효과적인 심층 학습 모델을 제시.
◦
전모세혈관 PH와 후모세혈관 PH의 감별 진단에 도움을 줄 수 있는 잠재력을 보임.
◦
의료진의 진단 및 치료 결정 지원 가능성 제시.
•
한계점:
◦
상대적으로 작은 샘플 크기 (204명).
◦
테스트셋 구성 방식 (각 질환별 6개 샘플 무작위 선택 후 35회 반복)의 일반화 가능성에 대한 검토 필요.
◦
모델의 성능(AUC 0.81, ACC 0.73)이 임상 적용에 충분한지에 대한 추가 연구 필요.
