Reliable Radiologic Skeletal Muscle Area Assessment -- A Biomarker for Cancer Cachexia Diagnosis
Created by
Haebom
Category
Empty
저자
Sabeen Ahmed, Nathan Parker, Margaret Park, Daniel Jeong, Lauren Peres, Evan W. Davis, Jennifer B. Permuth, Erin Siegel, Matthew B. Schabath, Yasin Yilmaz, Ghulam Rasool
개요
본 논문은 암 악액질 환자의 골격근량(SMA)을 정확하고 자동으로 측정하는 인공지능 기반 도구인 SMAART-AI를 제시한다. SMAART-AI는 딥러닝 모델(nnU-Net 2D)을 이용하여 CT 이미지에서 SMA를 자동으로 분석하며, 불확실성 기반 메커니즘을 통해 오류 가능성이 높은 예측 결과를 식별하여 전문가 검토를 지원한다. 또한, SMA, 골격근 지수, BMI, 임상 데이터를 결합하여 암 진단 시점에서 악액질을 예측하는 다층 퍼셉트론(MLP) 모델을 개발하였다. 위암 환자 데이터셋을 이용한 실험 결과, SMAART-AI는 높은 정확도(Dice score 97.80% +/- 0.93%, median absolute error 2.48%)와 악액질 예측 정확도(79% precision)를 보였다.
시사점, 한계점
•
시사점:
◦
암 악액질의 조기 진단 및 중재를 위한 자동화되고 정확한 도구 제공
◦
CT 이미지 기반 SMA 측정의 자동화 및 표준화를 통한 효율성 증대
◦
불확실성 기반 메커니즘을 통한 신뢰성 향상 및 오류 감소
◦
다양한 데이터셋에 대한 일반화 가능성 확보 (5-fold cross-validation)
◦
임상 적용 가능성 제시
•
한계점:
◦
현재는 위암 환자 데이터셋을 중심으로 검증되었으므로, 다른 암종 및 다양한 인구 집단에 대한 추가 연구 필요
