- 다중 인스턴스 학습에 기반한 신세포암종(RCC)의 유형 분류 방법에 대한 연구
- 국가 단위 데이터 세트로는 가장 큰 규모인 7,000장 이상의 전체 슬라이드 이미지로 학습
![](https://static.wixstatic.com/media/8d6b8a_9be92a1e3b724c2ea6287cb5e44f43f6~mv2.jpg/v1/fill/w_800,h_600,al_c,q_85,enc_auto/8d6b8a_9be92a1e3b724c2ea6287cb5e44f43f6~mv2.jpg)
딥노이드 정대기 연구원
국내 1세대 의료 인공지능 전문기업 ㈜딥노이드(대표 최우식)가 제50차 대한암학회 학술대회(KCA 2024)에서 최우수 포스터상(Best Poster Award)을 받았다.
딥노이드가 발표한 포스터는 다중 인스턴스 학습(MIL; Multiple Instance Learning)에 기반한 신세포암종(RCC)의 유형 분류 방법에 대한 연구다. 가톨릭대학교 의정부성모병원을 비롯해 10개 기관에서 수집한 7,000장 이상의 전체 슬라이드 이미지(WSIs)를 활용해 학습됐으며, 이는 현재까지 국가 단위 데이터 세트로는 가장 큰 규모다.
본 모델을 통해 신세포암종을 분류할 경우 정확도(ACC)는 97.0%, 수치가 클수록 분류 성능을 높게 평가하는 AUC는 0.987%, F1 Score는 97.0%의 성능을 보였다. F1 Score는 머신러닝 모델의 성능을 평가하는 지표 중 하나다. 높을수록 예측이 정확하다고 판단한다.
해당 연구는 검출 정확도를 높임과 동시에 보다 수월한 조직학적 아형 분류로 신세포암종의 진단 정확성과 효율성을 향상하기 위함이다.
이번 연구에 참여한 딥노이드 AI연구소 윤홍준 팀장은 “전체 조직 슬라이드 라벨만으로도 유의미한 성과를 달성할 수 있음을 입증했다”며, “이러한 결과는 실제 임상 현장에서 사용했을 때, 신세포암 진단의 정확성과 효율성을 개선하는 데 도움을 줄 수 있을 것”이라고 말했다.
コメント