목적: 급성 백혈병(AL)은 골수와 혈액에서 발생하는 생명을 위협하는 악성 질환으로, 급성 골수성 백혈병(AML) 또는 급성 림프모구성 백혈병(ALL)으로 분류된다. AL의 진단을 위해서는 숙련된 전문가, 시간, 비용이 필요한 유세포분석과 같은 검사 방법이 요구된다. 우리는 인공지능을 사용하여 AL과 관련된 병적 세포를 포함한 12가지 세포 유형의 말초 혈액 이미지를 분류할 수 있는 모델을 개발하고자 하였다. 방법: 우리는 282명의 환자(AML 82명, ALL 40명, 미성숙 과립구 160명)로부터 말초 혈액 슬라이드의 단일세포 이미지 42,386장을 획득하였다. 결과: 원본 이미지 크기를 사용한 EfficientNet-V2(B2)의 성능이 가장 우수했으며(정확도 0.8779, 정밀도 0.7221, 재현율 0.7225, F1 점수 0.7210), 다음으로 우수한 정확도는 256 × 256 픽셀 이미지를 사용한 EfficientNet-V1(B1)에서 달성되었다. F1 점수는 원본 이미지 크기를 사용한 EfficientNet-V1(B1)에서 가장 높았다. EfficientNet-V1(B1)과 EfficientNet-V2(B2)를 사용하여 앙상블 모델을 개발하였고, 정확도(0.8858)와 F1 점수(0.7361)가 향상되었다. 개발된 앙상블 모델의 12가지 세포 유형에 대한 분류 성능은 양호했으며, 수신자 조작 특성(receiver operating characteristic) 곡선의 면적(AUROC)이 0.9 이상이었고, 각각 골수모구(myeloblast)와 림프모구(lymphoblast)에 대한 F1 점수는 0.8873과 0.8006이었다. 결론: 12가지 세포 분류에 대한 개발된 앙상블 모델의 성능은 만족스러웠으며, 특히 골수모구와 림프모구에서 우수하였다. 본 모델의 적용은 AL의 신속하고 정확한 진단이 어려운 의료 환경에 도움이 될 것으로 기대한다.

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