배경: 변이 및 유방촬영술 유방 밀도. 방법: 2014년 1월부터 2021년 6월까지 초음파(US)를 시행한 1,041명의 환자로부터 총 1,041장의 US 영상을 수집하였으며, 여기에는 양성 종괴 633개와 악성 종괴 408개가 포함되었다. 모든 US 영상은 무작위로 학습(양성 513개 및 악성 288개), 검증(양성 60개 및 악성 60개), 테스트(양성 60개 및 악성 60개) 데이터 세트로 분할하였다. 마스크 영역 기반 컨볼루션 신경망(R-CNN)을 사용하여 CNN 및 사전 학습된 ResNet101 구조를 통해 입력 영상의 특징 맵을 생성하였다. 임상 모델에서는 다층 퍼셉트론(MLP) 구조를 사용하여 임상적 위험 인자로부터 종양이 양성 또는 악성일 가능성을 산출하였다. 결과: 영상 기반 DL 알고리즘, 회귀를 이용한 결합 모델, 의사결정나무 방법을 이용한 결합 모델의 진단 성능을 비교하였다. US 영상을 사용했을 때 DL 알고리즘의 수신자 조작 특성 곡선(AUROC) 아래 면적은 0.85 [95% 신뢰구간(CI), 0.78-0.92]였다. 회귀 모델을 이용한 결합 모델의 민감도는 78.3%(95% CI, 67.9-88.8%), 특이도는 85%(95% CI, 76-94%)였다. 회귀를 이용한 결합 모델의 민감도는 영상 모델보다 유의하게 높았으며(P=0.003), 두 모델의 특이도는 유의한 차이가 없었다(P=0.083). 의사결정나무 모델을 이용한 결합 모델의 민감도와 특이도는 각각 75%(95% CI, 62.1-85.3%)와 91.7%(95% CI, 81.6-97.2%)였다. 의사결정나무를 이용한 결합 모델의 민감도는 영상 모델보다 높았으나 통계적으로 유의하지 않았고(P=0.081), 두 모델의 특이도는 유의한 차이가 없었다(P=0.748). 결론: DL 모델은 1 cm 미만의 유방암을 예측하는 데 타당하게 활용될 수 있다. 임상 요인을 사용한 결합 모델이 단독 US 기반 DL 모델보다 우수하였다.

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