목적: 백질 고신호강도(White matter hyperintensities, WMH)는 노인에서 흔히 관찰되는 뇌 이상으로, 루코아라이오시스(leukoaraiosis, LA)로도 알려져 있다. CT에서 LA를 평가하는 것은 백질과의 저감쇠(hypoattenuation)가 상대적으로 구분이 어렵기 때문에 도전적이다. 본 연구는 CT-MRI 짝지어진 자료를 이용하여 LA 분할(segmentation) 알고리즘을 개발하고 검증하고자 하였다. 방법: 4개 뇌졸중 센터에서 수집된 허혈성 뇌졸중 환자 744명에 대한 CT-MRI 짝지어진 데이터를 포함하였다. 외부 테스트 세트는 겹치지 않는 병원에서 온 411명의 환자로 구성하였다. MRI의 WMH는 검증된 소프트웨어로 분할하였고, 그 분할 마스크를 NCCT 공간에 등록(registered)하였다. 예측된 LA와 정답(ground-truth)으로 등록된 LA 및 MRI에서의 WMH를 Dice 유사도 계수(Dice similarity coefficient, DSC)와 일치도 상관계수(concordance correlation coefficient, ρ)를 사용하여 비교하였다. 결과: 훈련 및 외부 테스트 데이터 세트의 평균 연령(SD)은 각각 68.1(SD 12.7)세와 69.2(SD 13.5)세였으며, 여성 비율은 각각 33.2%와 47.9%였다. 내부 검증 데이터 세트에서, 본 알고리즘은 DSC 0.53을 달성하였고, CT에서 등록된 LA 용적과의 용적 상관(ρ)은 0.848이었다. 외부 검증에서는 DSC 0.527을 보였으며, 예측된 LA 용적을 각각 LA 등록 용적과 비교했을 때 ρ 값은 0.919, MRI에서의 WMH 용적과 비교했을 때 ρ 값은 0.760이었다. 하위집단 분석에서는 서로 다른 CT 장비(vendor) 및 뇌경색(infarct) 용적에 걸쳐 일관된 성능이 확인되었다. 결론: 본 딥러닝 알고리즘은 CT에서의 LA 분할에 있어 유의미한 진전을 제공하며, CT와 MRI 평가 간의 격차를 연결한다. LA를 평가하기 위한 일관되고 접근 가능하며 정확한 방법을 제공함으로써 환자 진료를 개선하고, 임상 실무와 대규모 연구 모두를 뒷받침한다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.