목적: 딥러닝 영상 재구성(deep learning image reconstruction, DLIR)을 이용한 초저선량(ultralow-dose, ULD) 흉부 CT에서 Lung-RADS 분류와 용적 기반 결절 평가가 가능한지 전향적으로 평가하고자 하였다. 방법: 기관 윤리심의위원회(Institutional review board, IRB)가 이 전향적 연구를 승인하였다. 본 연구에는 40명의 환자(평균 연령 66±12세; 여성 21명)가 포함되었다. 연구 참여자는 순차적으로 LDCT와 ULDCT를 시행받았으며(CTDIvol, 0.96±0.15 mGy 및 0.12±0.01 mGy), 영상은 적응 통계 반복 재구성(adaptive statistical iterative reconstruction-V 50%, ASIR-V50) 및 DLIR로 재구성하였다. CT 영상 품질은 주관적으로 및 객관적으로 비교하였다. 폐 결절은 두 명의 판독자가 Lung-RADS 1.1을 사용하여 시각적으로 평가하였고, 동시에 컴퓨터 보조 도구로 자동 평가하였다. 결과: DLIR은 ASIR-V50에 비해 LDCT 및 ULDCT 영상에서 유의하게 더 높은 신호대잡음비를 제공하였다(모든 P < .001). 전반적으로 DLIR은 ULDCT 영상에서 주관적 영상 품질이 더 우수하였으며(P < .001), LDCT 영상에서는 ASIR-V50과 비교하여 유사한 품질을 보였다(P = .01-1). Lung-RADS 범주 3–4 결절에 대한 판독자의 결절 단위 민감도는 DLIR-LDCT 및 DLIR-ULDCT 영상에서 각각 70.6–88.2% 및 64.7–82.4%였고(P = 1), 범주는 판독자 내에서 대부분 일치하였다. 결절 ≥4 mm에 대한 컴퓨터 보조 검출의 결절 단위 민감도는 DLIR-LDCT 및 ULDCT 영상에서 각각 72.1% 및 67.4%였으며(P = .50), 결절 용적 차이에 대한 95% 일치 한계는 DLIR-LDCT와 DLIR-ULDCT 간에서 -85.6에서 78.7 mm3로, DLIR-LDCT와 ASIR-V50-LDCT 간의 동일-스캔 결절 용적 차이(-63.9에서 78.5 mm3)와 유사하였다. 또한 용적 차이가 25% 미만인 결절의 비율은 각각 88.5% 및 92.3%였으며(P = .65), 결론: DLIR은 ULDCT 영상에서 LDCT 영상과 비교하여 동등한 Lung-RADS 및 결절 용적 평가를 가능하게 하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.