5543 배경: 골반 초음파는 난소암을 진단하는 데 유용한 검사이지만, 딥러닝 모델의 성능을 평가한 연구는 많지 않다. 연령 및 CA-125 데이터와 같은 임상 정보를 함께 집계한 초음파 영상을 기반으로 한 딥러닝의 개발은 양성 난소낭종과 악성 병변을 감별하는 데 유익할 수 있다. 본 연구의 목적은 난소의 악성 및 양성 병변 간 감별진단의 정확도를 향상시킨 딥러닝 모델을 구축하는 것이다. 방법: 2015-2022년 기간 동안 난소암 또는 양성 낭종으로 진단받은 환자에서, 골반 초음파 영상과 진단 시 연령 및 CA-125 수치 정보를 수집하였다. 영상은 낭성 및 고형 성분으로 분할(segmentation)한 뒤, 특징 추출을 위해 전처리하였다. 합성곱 신경망(convolutional neural network) 모델을 개발하기 위해 환자를 훈련 데이터셋(565명), 검증 데이터셋(76명), 시험 데이터셋(163명)에 배정하였다. 이 합성곱 신경망을 이용한 특징 추출 후, 연령 및 종양 표지자를 추가로 사용하여 해당 영상을 악성 또는 양성으로 분류하였다. 이러한 데이터셋을 사용하여 딥러닝 모델의 진단적 가치를 평가하였다. 영상 특징과 임상 정보를 함께 활용하는 새로운 AI 모델을 개발하였다. 이 모델은 기존 AI 모델의 구조에서 특징 추출기와 분류기를 분리하고, 분류기가 영상 정보뿐 아니라 임상 정보 데이터도 함께 입력받도록 구성하였다. 기존 AI 모델로 ResNet50과 DenseNet121을 사용하였다. 결과: 총 804명의 난소 종양 환자가 포함되었으며, 양성 446명, 악성 358명이었다. 난소에 대한 골반 초음파 영상만을 사용했을 때 ResNet50은 AUC 0.84를, DenseNet121은 AUC 0.82를 나타내어 난소암을 탐지하였다. 그러나 분할된 고형 부분 영상과 임상 데이터를 난소 영상과 함께 결합했을 때, ResNet50은 AUC 0.95를, DenseNet121은 AUC 0.96을 나타내어 난소암을 탐지하는 데 더 높은 성능을 보였다. 시험 데이터셋을 사용한 결과, ResNet50과 DenseNet121의 민감도는 각각 90%와 81%, 특이도는 각각 93%와 97%, 양성예측도는 각각 92%와 95%, 음성예측도는 각각 92%와 86%였다. 결론: 골반 초음파 영상을 기반으로 한 딥러닝 알고리즘의 이진 분류 모델은 양성 및 악성 난소 종양을 정확하게 구분할 수 있다. 고형 부분의 분할과 진단 시 연령 및 CA-125의 임상 정보를 골반 초음파 영상과 결합하면 분류 모델의 정확도가 증가하였다.

5543 배경: 골반 초음파는 난소암을 진단하는 데 유용한 검사이지만, 딥러닝 모델의 성능을 평가한 연구는 많지 않다. 연령 및 CA-125 데이터와 같은 임상 정보를 함께 집계한 초음파 영상을 기반으로 한 딥러닝의 개발은 양성 난소낭종과 악성 병변을 감별하는 데 유익할 수 있다. 본 연구의 목적은 난소의 악성 및 양성 병변 간 감별진단의 정확도를 향상시킨 딥러닝 모델을 구축하는 것이다. 방법: 2015-2022년 기간 동안 난소암 또는 양성 낭종으로 진단받은 환자에서, 골반 초음파 영상과 진단 시 연령 및 CA-125 수치 정보를 수집하였다. 영상은 낭성 및 고형 성분으로 분할(segmentation)한 뒤, 특징 추출을 위해 전처리하였다. 합성곱 신경망(convolutional neural network) 모델을 개발하기 위해 환자를 훈련 데이터셋(565명), 검증 데이터셋(76명), 시험 데이터셋(163명)에 배정하였다. 이 합성곱 신경망을 이용한 특징 추출 후, 연령 및 종양 표지자를 추가로 사용하여 해당 영상을 악성 또는 양성으로 분류하였다. 이러한 데이터셋을 사용하여 딥러닝 모델의 진단적 가치를 평가하였다. 영상 특징과 임상 정보를 함께 활용하는 새로운 AI 모델을 개발하였다. 이 모델은 기존 AI 모델의 구조에서 특징 추출기와 분류기를 분리하고, 분류기가 영상 정보뿐 아니라 임상 정보 데이터도 함께 입력받도록 구성하였다. 기존 AI 모델로 ResNet50과 DenseNet121을 사용하였다. 결과: 총 804명의 난소 종양 환자가 포함되었으며, 양성 446명, 악성 358명이었다. 난소에 대한 골반 초음파 영상만을 사용했을 때 ResNet50은 AUC 0.84를, DenseNet121은 AUC 0.82를 나타내어 난소암을 탐지하였다. 그러나 분할된 고형 부분 영상과 임상 데이터를 난소 영상과 함께 결합했을 때, ResNet50은 AUC 0.95를, DenseNet121은 AUC 0.96을 나타내어 난소암을 탐지하는 데 더 높은 성능을 보였다. 시험 데이터셋을 사용한 결과, ResNet50과 DenseNet121의 민감도는 각각 90%와 81%, 특이도는 각각 93%와 97%, 양성예측도는 각각 92%와 95%, 음성예측도는 각각 92%와 86%였다. 결론: 골반 초음파 영상을 기반으로 한 딥러닝 알고리즘의 이진 분류 모델은 양성 및 악성 난소 종양을 정확하게 구분할 수 있다. 고형 부분의 분할과 진단 시 연령 및 CA-125의 임상 정보를 골반 초음파 영상과 결합하면 분류 모델의 정확도가 증가하였다.

자궁경부암은 전 세계 여성에서 네 번째로 흔한 악성 종양이다. 조기 검진과 치료의 발전으로 생존율이 지속적으로 향상됨에 따라 자궁경부암은 점차 만성 질환으로 인식되고 있으며, 장기적인 건강관련 삶의 질(HRQoL)을 관리하는 일이 점점 더 중요해지고 있다. 본 연구는 EuroQol 5차원 5수준(EuroQol five-dimensional five-level, EQ-5D-5 L) 지수를 이용하여 한국인 자궁경부암 생존자의 건강관련 삶의 질을 기술하고, 건강관련 삶의 질에 유의하게 영향을 미치는 사회인구학적, 임상적 및 증상 관련 요인을 확인하고자 하였다. 2023년 8월부터 2024년 2월까지 편의표집을 통해 230명의 한국인 환자를 대상으로 다기관 설문조사를 실시하였다. 건강관련 삶의 질은 EQ-5D-5 L로 평가하였으며, 점수는 0(사망과 동등)부터 1(완전한 건강)까지의 범위를 가진다. 건강관련 삶의 질 분포의 비교를 위해 Wilcoxon 순위합 검정 및 Kruskal-Wallis 검정을 사용하였고, 영향 요인 확인을 위해 다중 선형회귀분석을 실시하였다. 총 230명의 여성 자궁경부암 생존자가 등록되었으며(평균 연령: 52.6 ± 11.7세), 대부분이 기혼(63.9%)이었고 2명 이상 동거 가구 구성원과 함께 거주하였다(81.7%). 평균 EQ-5D-5 L 지수 점수는 0.85 ± 0.14였다. HRQoL은 결혼 상태, 가구 규모, 소득 수준, 고혈압, 질병 상태, 국제부인과산부인과연맹(International Federation of Gynecology and Obstetrics, FIGO) 병기, 최근 치료 이후 경과 시간, 호흡곤란 중증도에 따라 유의한 차이를 보였으며(모든 p값 < 0.05), 다중 선형회귀분석(R² = 0.689)에서는 진행된 FIGO 병기 II(β = −0.17, p < 0.001)와 IV(β = −0.12, p = 0.024), 1년 이내의 화학요법 단독(β = −0.22, p = 0.026), 호흡곤란(β = −0.05, p = 0.037)이 HRQoL의 독립적인 부정적 예측인자로 확인된 반면, 2명 이상 동거 가구 구성원과 함께 사는 것은 더 나은 HRQoL과 독립적으로 연관되어 있었다(β = 0.10, p = 0.045). 본 연구 결과는 자궁경부암이 일반 인구에 비해 건강관련 삶의 질 저하와 유의하게 관련되어 있으며, 진행된 암 병기, 화학요법, 호흡곤란 증상이 주요 독립적 부정적 예측인자임을 보여준다. 사회인구학적 요인, 특히 가구 구성은 환자의 안녕에도 유의한 역할을 한다. 이러한 결과는 증상 부담을 완화하고 전반적인 삶의 질을 개선하기 위해, 특히 진행된 질환이 있거나 화학요법을 받고 있는 환자에서 암 관리에 환자중심의 지지적 치료를 통합하는 것의 중요성을 강조한다.

목적: 자궁내막암(EC)에서 폴리머레이스 엡실론(POLE) 변이를 검출하기 위한 액적 디지털 중합효소 연쇄반응(droplet digital polymerase chain reaction, ddPCR)의 진단 정확도를 전통적 생어 염기서열분석(Sanger sequencing) 및 차세대 염기서열분석(next-generation sequencing, NGS)과 비교하여 평가하고자 하였다. 방법: EC 환자 132명의 종양 DNA를 초기 단계에서 ddPCR과 생어 염기서열분석을 모두 사용하여 분석하였다. 불일치 사례(n=20)는 기준 표준(reference standard)으로 NGS를 이용하여 추가 분석하였다. 본 연구에서는 NGS로 검증된 ddPCR의 생어 염기서열분석 결과 대비 민감도, 특이도 및 전반적 일치도를 비교하였다. 결과: 불일치 20개 샘플 중 ddPCR은 15건(75%)에서 POLE 변이를 검출하였다. 모든 ddPCR 결과는 생어 염기서열분석의 불일치 사례에서 NGS 결과와 정확히 일치하였으며, 생어 염기서열분석이 놓친 11개의 저빈도 변이 검출도 포함하였다. 또한 ddPCR은 초기 생어 염기서열분석에서 확인된 2개의 위양성 결과를 교정하였다. ddPCR에 의한 위음성은 확인되지 않았다. 결론: ddPCR은 생어 염기서열분석에 비해 POLE 변이 검출에서 우수한 민감도와 특이도를 보였고, NGS와 완벽한 일치를 나타냈다. 신속한 처리 시간, 용이성, 비용 효율성을 바탕으로 ddPCR은 일상적인 임상 사용에 매우 적합하며, 잠재적으로 EC에서 환자 관리와 예후를 향상시킬 수 있다.

고위험 인유두종바이러스(hrHPV)는 자궁경부암의 필수적인 원인이며, hrHPV 검사는 세포검사 기반 선별검사의 한계를 극복하는 효과적인 선별검사 도구로서 점차 인식되고 있다. 그러나 자궁경부암 선별검사에서 hrHPV 검사의 사용에 관한 표준화된 임상 지침은 한국에서 제한적으로 제공되어 임상 실무 간 변이가 발생하였다. 본 합의 기반 임상 진료 지침은 산부인과, 병리, 검사실 의학, 공중보건 분야의 전문가들이 참여하는 다학제 협업을 통해 대한부인종양학회 주관 하에 개발되었다. 관련 국내 및 국외 근거를 체계적으로 검토하였고, 네 차례의 공청회를 통해 다양한 임상 현장의 의견을 반영하였다. 최종 권고안은 전문가 합의를 통해 수립되었다. 본 지침은 네 가지 핵심 권고를 제시한다. 첫째, hrHPV 검사는 25세 이상 여성에서 고려할 수 있으며, 권장 선별검사 주기는 3년 이상에서 5년 미만이다. 둘째, 선별검사 검사법은 HPV 유전자형 16형과 18형을 구분하고 그 외의 다른 고위험 유형을 검출해야 하며, 임상적으로 검증된 검사에 우선순위를 둔다. 셋째, 검사는 표준화된 검체 채취 및 보고를 포함하여 적절한 장비를 갖춘 환경에서 수행되어야 하며, 양성 사례의 경우 HPV 16/18 상태를 문서화해야 한다. 넷째, hrHPV 검사는 엄격한 내부 및 외부 품질 관리 체계 하에서 시행되어야 한다. 본 지침은 한국에서 자궁경부암 선별검사에 hrHPV 검사를 일관되고 합리적으로 적용하는 데 목적이 있다.

동아시아는 의학 분야에서 국제 학술 교류를 강화하고 공동 혁신을 촉진하기 위해 오랫동안 노력해 왔다.