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.
딥노이드는 이번 연구를 통해 폐 결절 진단과 악성 분류 분야에서 AI 기술의 실질적인 도움 가능성을 입증했다고 밝혔다. 2025년에는 뇌 질환 진단 솔루션과 함께 흉부 영역으로 AI 솔루션 적용 범위를 확대할 계획이다. 이를 통해 의료 현장에 더 포괄적인 진단 지원 도구를 제공할 예정이다.
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 기자
press@healthinnews.co.kr
