서론: 흉부 X선 촬영 영상을 정확하고 적시에 판독하는 일은 호흡곤란을 평가하고 중증 신생아의 예후를 개선하기 위한 임상적 의사결정을 안내하는 데 필수적이다. 본 연구는 신생아 중환자실에서 확보한 고품질의 다중 분류 라벨 흉부 X선 이미지 대규모 데이터셋을 활용하여 다양한 신생아 호흡기 질환과 건강한 폐를 분류하도록 설계된 딥러닝 기반 자동화 알고리즘을 소개하고자 하였다. 방법: 한국의 10개 대학병원에서 6가지 흔한 상태(건강한 폐, 호흡곤란 증후군[respiratory distress syndrome, RDS], 신생아 일과성 빈호흡[transient tachypnea of the newborn, TTN], 공기 누출 증후군[air leak syndrome, ALS], 무기폐(atelectasis), 기관지폐이형성증[bronchopulmonary dysplasia, BPD])에 대한 휴대용 앙와위 흉부 X선 영상과 인구통계학적 변수(재태연령과 출생체중)를 후향적으로 수집하였다. 이러한 상태에 대한 수동 분류의 정답(ground truth)은 20명의 신생아 전문의가 생성하였고, 다른 병원의 의료진이 이를 검증하였다. 학습에는 34,598건, 검증에는 4,370건, 시험에는 4,370건으로 구성된 데이터셋을 사용하여 자동 분류를 위한 수정된 ResNet50 기반 딥러닝 모델을 학습하였다. 결과: 자동 분류 알고리즘은 사람의 주석을 단 분류와 높은 일치도를 보였으며, 전체 시험 정확도 83.96%와 F1 점수 83.68%를 달성하였다. 각 상태별 F1 점수는 ‘건강한 폐’ 87.38%, ‘BPD’ 92.19%, ‘ALS’ 90.65%, ‘RDS’ 90.30%, ‘무기폐(atelectasis)’ 86.56%, ‘TTN’ 70.84%였다. 결론: 본 연구에서는 비영상 데이터(non-imaging data)를 함께 반영하여 고품질의 다중 분류 라벨 흉부 X선 이미지 대규모 데이터셋을 기반으로 신생아 호흡기 질환을 분류하는 딥러닝 기반 자동화 알고리즘을 도입하였으며, 이는 중증 신생아에서 신생아 전문의의 적시적이고 정확한 의사결정을 지원할 수 있을 것이다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.