배경: 인공지능(AI)은 영상의학 분야에서 점차 활용되고 있으나, 특히 응급 질환에 대한 소아 영상에서의 개발은 제한적이다. 회장결장성 장중첩증(ileocolic intussusception)은 영유아에서 급성 복통의 중요한 원인으로, 장 허혈이나 천공과 같은 합병증을 예방하기 위해서는 적시에 진단이 필요하다. 초음파검사는 민감도와 특이도가 높아 진단 표준이지만, 특히 3차 의료기관 이외에서는 접근성이 제한될 수 있다. 복부 X선촬영(AXR)은 민감도가 제한적임에도 불구하고 임상 현장에서 종종 1차 영상 검사로 시행된다. 이러한 맥락에서 AI는 AXR을 분석하고 추가적인 초음파 평가가 필요한 환자를 식별함으로써 조기 선별 및 중증도 분류(트리아지)를 지원할 수 있다. 목적: 본 연구는 다기관 데이터를 이용하여 소아 AXR을 기반으로 회장결장성 장중첩증 선별용 AI 모델을 고도화하고 외부 검증을 수행하며, AI 보조 유무에 따라 경험 수준이 다른 방사선과 전문의와의 비교에서 모델의 진단 성능을 평가하는 것을 목표로 하였다. 방법: 본 후향적 연구에는 장중첩증이 의심되어 AXR과 초음파검사를 모두 시행받은 소아 환자(≤5세)가 포함되었다. 병원 A에서의 예비 연구를 바탕으로 AI 모델을 재학습하였으며, 병원 B의 데이터를 사용해 재학습하고, 병원 C와 D의 외부 데이터로 외부 검증을 수행하였다. 고도화된 AI 모델의 진단 성능은 민감도, 특이도, 그리고 수신자 조작 특성 곡선(receiver operating characteristic curve)의 면적(AUC)을 이용해 평가하였다. 또한 3명의 판독자를 대상으로 판독자 연구를 시행하였는데, 여기에는 2명의 수련의와 1명의 소아영상의학 전문의가 포함되었으며, AI 보조 유무에 따른 진단 성능을 평가하였다. 결과: 병원 A에서 746명의 환자로 학습된 기존에 개발된 AI 모델을 바탕으로, 고도화된 AI 모델 개발을 위해 병원 B에서 추가로 431명(장중첩증 143건 포함)의 데이터를 더해 학습에 사용하였다. 외부 검증은 병원 C의 데이터(n=68; 장중첩증 19건)와 병원 D의 데이터(n=90; 장중첩증 30건)를 이용해 수행하였다. 고도화된 AI 모델은 외부 검증 세트에서 민감도 81.7%(95% CI 68.6%-90%), 특이도 81.7%(95% CI 73.3%-87.8%)를 보였으며, AUC는 86.2%(95% CI 79.2%-92.1%)였다. AI 보조 없이 방사선과 전문의의 성능은 더 낮았는데(전체 AUC 64%; 민감도 49.7%; 특이도 77.1%), AI 보조를 제공하면 방사선과 전문의의 특이도가 93%로 향상되었고(차이 +15.9%; P<.001), AUC도 79.2%로 증가하였다(차이 +15.2%; P=.05). 경험이 가장 적은 판독자는 특이도(+37.6%; P<.001)와 AUC(+14.7%; P=.08)에서 가장 큰 개선을 보였다. 결론: 고도화된 AI 모델은 소아 AXR에서 회장결장성 장중첩증의 선별을 위한 진단 성능을 향상시켰다. 특히 소아영상의학 분야 경험이 적은 방사선과 전문의에서 특이도 및 전반적 정확도를 효과적으로 개선하였다. 더 넓은 임상적 검증을 지원하기 위한 사용자 친화적 소프트웨어 플랫폼을 도입하였으며, 이는 소아 응급 상황에서 AI가 선별 및 중증도 분류 도구로서 지닐 잠재력을 강조한다.

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