CT Radiomics 기반 지방함유 부족 신장종양 악성도 감별

CT Radiomics-based differentiation of benign and malignant fat-poor renal tumors

연구 내용

CT 영상에서 radiomic feature를 추출하고 기계학습 분류기를 학습·검증하여 신장종양의 양성·악성 감별을 지원하는 연구

신장종양 수술 전 CT 영상에서 radiomic features를 추출하고, 재현성 평가와 feature selection 및 차원축소를 통해 학습에 적합한 입력 변수를 구성합니다. 이후 Random Forest와 같은 machine learning 모델을 학습용과 독립 테스트 데이터로 나누어 성능을 검증하고, 임계값 기반 지표를 통해 임상 활용 가능성을 평가합니다. 목적은 비침습적 영상 정보로 양성·악성의 확률을 제시하여 수술 전 의사결정과 진료 경로 설계를 보조하는 것입니다.

관련 프로젝트

0건

연구 흐름

초기에는 단일기관에서 축적된 수술 전 CT 영상과 병리 확정 결과를 기반으로 데이터셋을 구성하고, radiomic feature의 재현성과 과적합을 줄이기 위한 전처리 절차를 정립했습니다. 다음 단계에서는 feature selection과 차원축소를 training set에 한정하여 안정적인 분류 성능을 확보하는 방향으로 모델링을 고도화했습니다. 최종적으로 독립 테스트 세트에서 분류 정확도와 민감도·특이도 균형을 확인하며 임상 보조 도구로의 적용 가능성을 정리했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

CT 기반 악성도 스크리닝
수술 전 치료 전략 보조
감별진단 의사결정 지원
영상 판독 표준화
불필요한 수술 위험 감소
추적관찰 대상 선별
다기관 검증 데이터셋 설계
영상 기반 예후 연구 후보 도출
임상 경로 최적화
AI 영상분석 워크플로우 구축