현재까지 비만대사수술 후 체중감량을 예측할 수 있는 실행 가능한 방법은 없었다. 본 연구는 의무기록(EMR)과 같은 의학 영상 데이터 및 비영상 데이터를 사용하여 소매위절제술 후 체중감량을 예측하고 설명 가능한 인공지능인 WAD(large and deep learning, wide and deep learning)를 개발한다. 전향적 데이터는 대학병원에서 소매위절제술을 받은 42명의 환자에서 수집되었으며, 수술 후 1년간 추적하였다. 종속변수는 체질량지수의 수술 후 백분율 총체중감량(%TWL)에 기반하여 최소 변화군, 중등도 변화군, 유의한 변화군의 세 범주로 구성하였다. 각 환자에서 100장의 영상과 비영상 데이터 1세트가 제공되었고, 총 42명의 환자로부터 4,200쌍의 데이터가 마련되었다. WAD 모델은 각각 3,200쌍과 1,000쌍으로 나누어 학습 및 시험하였다. 여기서 WAD 모델은 영상 데이터에 대해 합성곱신경망(CNN)을, 비영상 데이터에는 선형 층을 결합하였다(EMR). 연구 대상자는 42명으로, 평균 연령은 36.6세(표준편차 SD 11.0)였고 여성 비율은 58%(26/45)였다. 평균 %TWL은 각각 최소 변화군에서 19.1(SD 2.8), 중등도 변화군에서 27.3(SD 2.2), 유의한 변화군에서 35.1(SD 4.7)이었다. 이에 상응하는 정확도는 최소 변화군 61%, 중등도 변화군 100%, 유의한 변화군 75%였으며(평균 71%), 최소 변화군과 중등도 변화군을 결합했을 때 결합군의 정확도는 100%였고 유의한 변화군의 정확도는 75%였으며, 전체 평균 정확도는 88%였다. HOMA2-B의 기저값, 인슐린, 비타민 B12가 %TWL의 주요 예측인자였다. %TWL을 예측하기 위한 최적의 관심영역(ROI)은 횡격막 위 부위의 단면 전체에서 발견되었다. 결론적으로 WAD는 영상 및 비영상 데이터를 이용하여 소매위절제술 후 체중감량을 예측하고 설명 가능한 효과적인 인공지능이다. 수술 후 체중감량의 가장 중요한 예측인자로는 HOMA2-B의 기저값, 인슐린, 비타민 B12 수준이 확인되었으며, 복부 CT 영상에서 핵심 관심영역(ROI)은 횡격막 위에 위치한 단면 전체로 나타났다.

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