피부암은 DNA 손상이 복구되지 않아 표피에 변이가 발생한 뒤, 이상 세포가 통제되지 않은 방식으로 증식하면서 발생한다. 대부분의 피부암은 태양광, 선탠 베드 또는 선램프에서 비롯되는 높은 수준의 자외선(UV) 노출로 인해 발생한다. 사회문화적 장벽, 전문 피부과 진료에 대한 제한된 접근성, 낮은 대중 인식으로 인해 인도를 포함한 많은 국가에서 사망률이 높고 질병이 진행된 말기 단계에서의 진단이 흔하다. 특히 농촌 및 저개발 지역에서의 전문 피부과 치료의 불균등한 분포는 검출과 치료를 더욱 어렵게 한다. 사망률이 높은 가장 흔한 악성종양 중 하나인 피부암에서 조기 발견은 매우 중요하다. 본 연구는 이러한 문제를 해결하기 위해 히마찰프라데시(Himachal Pradesh)의 두 개 클리닉에서 1200개의 피부경(dermoscopic) 영상을 수집하였다. 피부경 임상 이미지를 흑색종(melanoma)과 비흑색종 피부암(non-melanoma skin cancer) 범주로 자동 분류하기 위해, 본 연구는 VGG16과 ResNet-50을 비교하였다. 제안된 접근법에는 전처리, 병변 분할, 분류가 모두 포함된다. 임상 주석이 포함된 1200개의 피부경 영상 수집 자료를 사용하여 모델의 성능을 향상시켰다. ResNet-50은 시험에서 VGG16을 능가했으며, 정확도는 93%, AUC-ROC는 96%로 각각 89%와 94%에 비해 우수하였다. 이러한 결과는 진단 성능에 있어 모델 선택과 전처리가 얼마나 중요한지를 강조한다. AI 보조 피부과 진단 도구의 구현을 촉진하기 위해 앙상블 방법, 다중 클래스 분류, 설명가능성(explainability) 통합, 임상적 검증을 추가로 조사할 예정이다.

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