DL MUSE-DWI는 병변의 선명도, 식별성, SNR, CNR 및 SIR의 측면에서 영상 품질을 유의하게 향상시켜, 임상 영상에 유망한 도구임을 시사하였다.

연구목적 및 배경: 우리는 연속적인 영상의학 보고서를 분석하는 데 있어 두 개의 선도적 대규모 언어모델(LLM)인 GPT-4와 Gemini의 역량을 비교하여, 추가적인 임상적 주의가 필요한 종양학적 문제를 부각하고자 하였다. 연구방법: 본 연구에는 205명의 환자가 포함되었으며, 각 환자는 연속된 두 개의 영상의학 보고서를 각각 보유하고 있었다. 우리는 LLM을 사용하여 보고서의 소견을 분석하기 위한 3단계 과제로 구성된 프롬프트를 설계하였다. 정답(ground truth) 설정을 위해, 두 명의 영상의학과 전문의가 6수준 범주에 대해 합의에 도달하였다. 이 범주는 종양 소견(호전, 안정, 악화로 분류), ‘양성’, ‘종양에 대한 기술 없음’, 및 ‘기타 악성’으로 구성되었다. 이후 GPT-4와 Gemini의 성능을, 두 영상의학 보고서 간에서 해당 소견을 일치시키는 능력과 이러한 범주를 정확히 반영하는 능력에 따라 비교하였다. 결과: 연속 보고서 간 소견 일치의 정확도와 관련하여, 올바르게 일치된 소견의 비율은 Gemini(91.7%)보다 GPT-4에서 유의하게 더 높았다(96.2%) (P < 0.01). 종양학적 문제의 식별과 관련하여, 종양 관련 소견에 대한 판정의 정밀도, 재현율, 및 F1-score는 각각 GPT-4와 Gemini에서 0.68과 0.63(P = 0.006), 0.91과 0.80(P < 0.001), 그리고 0.78과 0.70로 나타났다. 종양 관련 소견에 대해 종양의 정확한 상태를 판정하는 데 있어 GPT-4가 Gemini보다 더 정확하였다(P < 0.001). 결론: 본 연구는 정교하게 설계된 프롬프트를 사용하여 연속 영상의학 보고서의 LLM 보조 분석이 종양학적 감시를 향상시킬 가능성을 보여주었다. GPT-4는 대응 소견의 일치, 종양 관련 소견의 식별, 그리고 종양 상태의 정확한 판정에서 Gemini에 비해 우수한 성능을 보였다.

목적: 자기공명영상에서 추출한 방사믹스(radiomics) 특징을 이용하여 고등급 및 저등급의 명세포 신세포암(clear cell renal cell carcinoma, ccRCC)을 구별할 수 있는지를 탐색하고자 하였다. 방법: 본 후향적 연구에서는 병리학적으로 확진된 명세포 ccRCC 환자 154명을 대상으로, 조영증강 3 T 자기공명영상(temporal-split 설정)을 시행한 후 개발( n = 122 ) 및 검증( n = 32 ) 코호트로 시간 분할하여 배정하였다. 총 3개의 영상 시퀀스에서 전 종양 부피(whole-tumor volume)로부터 834개의 방사믹스 특징을 추출하였다: T2 가중 영상(T2WI), 확산강조영상, 그리고 조영증강 T1 가중 영상. 랜덤 포레스트 회귀기(random forest regressor)를 사용하여 중요한 방사믹스 특징을 추출하였고, 이후 랜덤 포레스트 알고리즘을 이용하여 모델을 개발하는 데 이를 활용하였다. 2명의 영상의학과 전문의가 정량 분석을 위해 종양 크기, 겉보기 확산계수(apparent diffusion coefficient) 값, 그리고 종양 내 종양 대 신장 실질 신호 강도 감소율을 기록하였다. 수신자 조작 특성 곡선(receiver operating characteristic curve, ROC)의 곡선하 면적(area under the curve, AUC)을 생성하여 ccRCC 등급을 예측하였다. 결과: 개발 코호트에서 T2WI 기반 방사믹스 모델이 가장 높은 성능을 보였으며(AUC = 0.82), T2WI 기반 방사믹스 및 영상의학적 특징 하이브리드(hybrid) 모델은 각각 AUC 0.79와 0.83을 나타냈다. 검증 코호트에서 T2WI 기반 방사믹스 모델은 AUC 0.82를 달성하였다. 하이브리드 모델(T2WI 기반 방사믹스 및 영상의학적 특징)의 AUC 범위는 0.73에서 0.80이었다. 결론: 방사믹스 특징과 기계학습을 이용한 자기공명영상 기반 분류기 모델은 고등급과 저등급 ccRCC를 구별하는 데 있어 만족스러운 진단 성능을 보였으며, 따라서 ccRCC 등급 예측을 위한 유용한 비침습적 도구로 활용될 수 있다.

목적: 본 연구의 목적은 비알코올성 지방간질환(NAFLD) 환자에서 간 섬유화 평가를 위해 자기공명 탄성영상(MRE) 기반 방사선종양학(radiomics) 분석의 진단 가능성을 조사하는 것이었다. 방법: NAFLD가 의심되는 100명의 환자를 후향적으로 포함하였다. 모든 환자는 간 실질 조직생검을 시행받았다. 자기공명 탄성영상은 3.0-T 스캐너를 사용하여 수행하였다. MRE 영상에 대해 다중 슬라이스 분할(multislice segmentation)을 실시한 후, 상용 프로그램을 이용하여 834개의 방사선종양학적 특징을 분석하였다. 관심영역의 중앙값 및 평균값과 같은 영상학적 특징과 다양한 임상 특징을 분석하였다. 랜덤 포레스트 회귀기(random forest regressor)를 사용하여 중요한 방사선종양학적, 영상학적, 임상적 특징을 추출하였다. 섬유화 단계를 분류하기 위해 이러한 특징들을 사용하도록 랜덤 포레스트 분류기(random forest classifier) 모델을 학습하였다. 섬유화 단계 진단을 위한 분류기를 사용하여 수신자조작특성곡선(ROC) 아래 면적(area under the receiver operating characteristic curve, AUC)을 평가하였다. 결과: 병리학적 간 섬유화 단계는 저등급 섬유화(0–1기, n=82) 또는 임상적으로 유의한 섬유화(2–4기, n=18)로 분류되었다. 방사선종양학 분석에서 8개의 중요 특징이 추출되었으며, 그중 2개로는 wavelet-high high low gray level dependence matrix dependence nonuniformity-normalized와 wavelet-high high low gray level dependence matrix dependence entropy가 가장 중요하였다. 다수의 작은 관심영역들 중 중앙값이 가장 중요한 영상학적 특징으로 확인되었다. 혈소판 수가 중요한 임상적 특징으로 확인되었다. 방사선종양학을 사용한 분류기의 AUC는 영상학적 지표의 AUC와 유사하였으며(각각 0.97 ± 0.07 및 0.96 ± 0.06), 결론: 자기공명 탄성영상 방사선종양학 분석은 NAFLD 환자에서 임상적으로 유의한 간 섬유화를 평가할 때 기존의 MRE 분석과 비교 가능한 진단 성능을 제공한다.

DL MUSE-DWI는 병변의 선명도, 식별성, SNR, CNR 및 SIR의 측면에서 영상 품질을 유의하게 향상시켜, 임상 영상에 유망한 도구임을 시사하였다.

연구목적 및 배경: 우리는 연속적인 영상의학 보고서를 분석하는 데 있어 두 개의 선도적 대규모 언어모델(LLM)인 GPT-4와 Gemini의 역량을 비교하여, 추가적인 임상적 주의가 필요한 종양학적 문제를 부각하고자 하였다. 연구방법: 본 연구에는 205명의 환자가 포함되었으며, 각 환자는 연속된 두 개의 영상의학 보고서를 각각 보유하고 있었다. 우리는 LLM을 사용하여 보고서의 소견을 분석하기 위한 3단계 과제로 구성된 프롬프트를 설계하였다. 정답(ground truth) 설정을 위해, 두 명의 영상의학과 전문의가 6수준 범주에 대해 합의에 도달하였다. 이 범주는 종양 소견(호전, 안정, 악화로 분류), ‘양성’, ‘종양에 대한 기술 없음’, 및 ‘기타 악성’으로 구성되었다. 이후 GPT-4와 Gemini의 성능을, 두 영상의학 보고서 간에서 해당 소견을 일치시키는 능력과 이러한 범주를 정확히 반영하는 능력에 따라 비교하였다. 결과: 연속 보고서 간 소견 일치의 정확도와 관련하여, 올바르게 일치된 소견의 비율은 Gemini(91.7%)보다 GPT-4에서 유의하게 더 높았다(96.2%) (P < 0.01). 종양학적 문제의 식별과 관련하여, 종양 관련 소견에 대한 판정의 정밀도, 재현율, 및 F1-score는 각각 GPT-4와 Gemini에서 0.68과 0.63(P = 0.006), 0.91과 0.80(P < 0.001), 그리고 0.78과 0.70로 나타났다. 종양 관련 소견에 대해 종양의 정확한 상태를 판정하는 데 있어 GPT-4가 Gemini보다 더 정확하였다(P < 0.001). 결론: 본 연구는 정교하게 설계된 프롬프트를 사용하여 연속 영상의학 보고서의 LLM 보조 분석이 종양학적 감시를 향상시킬 가능성을 보여주었다. GPT-4는 대응 소견의 일치, 종양 관련 소견의 식별, 그리고 종양 상태의 정확한 판정에서 Gemini에 비해 우수한 성능을 보였다.

목적: 자기공명영상에서 추출한 방사믹스(radiomics) 특징을 이용하여 고등급 및 저등급의 명세포 신세포암(clear cell renal cell carcinoma, ccRCC)을 구별할 수 있는지를 탐색하고자 하였다. 방법: 본 후향적 연구에서는 병리학적으로 확진된 명세포 ccRCC 환자 154명을 대상으로, 조영증강 3 T 자기공명영상(temporal-split 설정)을 시행한 후 개발( n = 122 ) 및 검증( n = 32 ) 코호트로 시간 분할하여 배정하였다. 총 3개의 영상 시퀀스에서 전 종양 부피(whole-tumor volume)로부터 834개의 방사믹스 특징을 추출하였다: T2 가중 영상(T2WI), 확산강조영상, 그리고 조영증강 T1 가중 영상. 랜덤 포레스트 회귀기(random forest regressor)를 사용하여 중요한 방사믹스 특징을 추출하였고, 이후 랜덤 포레스트 알고리즘을 이용하여 모델을 개발하는 데 이를 활용하였다. 2명의 영상의학과 전문의가 정량 분석을 위해 종양 크기, 겉보기 확산계수(apparent diffusion coefficient) 값, 그리고 종양 내 종양 대 신장 실질 신호 강도 감소율을 기록하였다. 수신자 조작 특성 곡선(receiver operating characteristic curve, ROC)의 곡선하 면적(area under the curve, AUC)을 생성하여 ccRCC 등급을 예측하였다. 결과: 개발 코호트에서 T2WI 기반 방사믹스 모델이 가장 높은 성능을 보였으며(AUC = 0.82), T2WI 기반 방사믹스 및 영상의학적 특징 하이브리드(hybrid) 모델은 각각 AUC 0.79와 0.83을 나타냈다. 검증 코호트에서 T2WI 기반 방사믹스 모델은 AUC 0.82를 달성하였다. 하이브리드 모델(T2WI 기반 방사믹스 및 영상의학적 특징)의 AUC 범위는 0.73에서 0.80이었다. 결론: 방사믹스 특징과 기계학습을 이용한 자기공명영상 기반 분류기 모델은 고등급과 저등급 ccRCC를 구별하는 데 있어 만족스러운 진단 성능을 보였으며, 따라서 ccRCC 등급 예측을 위한 유용한 비침습적 도구로 활용될 수 있다.

목적: 본 연구의 목적은 비알코올성 지방간질환(NAFLD) 환자에서 간 섬유화 평가를 위해 자기공명 탄성영상(MRE) 기반 방사선종양학(radiomics) 분석의 진단 가능성을 조사하는 것이었다. 방법: NAFLD가 의심되는 100명의 환자를 후향적으로 포함하였다. 모든 환자는 간 실질 조직생검을 시행받았다. 자기공명 탄성영상은 3.0-T 스캐너를 사용하여 수행하였다. MRE 영상에 대해 다중 슬라이스 분할(multislice segmentation)을 실시한 후, 상용 프로그램을 이용하여 834개의 방사선종양학적 특징을 분석하였다. 관심영역의 중앙값 및 평균값과 같은 영상학적 특징과 다양한 임상 특징을 분석하였다. 랜덤 포레스트 회귀기(random forest regressor)를 사용하여 중요한 방사선종양학적, 영상학적, 임상적 특징을 추출하였다. 섬유화 단계를 분류하기 위해 이러한 특징들을 사용하도록 랜덤 포레스트 분류기(random forest classifier) 모델을 학습하였다. 섬유화 단계 진단을 위한 분류기를 사용하여 수신자조작특성곡선(ROC) 아래 면적(area under the receiver operating characteristic curve, AUC)을 평가하였다. 결과: 병리학적 간 섬유화 단계는 저등급 섬유화(0–1기, n=82) 또는 임상적으로 유의한 섬유화(2–4기, n=18)로 분류되었다. 방사선종양학 분석에서 8개의 중요 특징이 추출되었으며, 그중 2개로는 wavelet-high high low gray level dependence matrix dependence nonuniformity-normalized와 wavelet-high high low gray level dependence matrix dependence entropy가 가장 중요하였다. 다수의 작은 관심영역들 중 중앙값이 가장 중요한 영상학적 특징으로 확인되었다. 혈소판 수가 중요한 임상적 특징으로 확인되었다. 방사선종양학을 사용한 분류기의 AUC는 영상학적 지표의 AUC와 유사하였으며(각각 0.97 ± 0.07 및 0.96 ± 0.06), 결론: 자기공명 탄성영상 방사선종양학 분석은 NAFLD 환자에서 임상적으로 유의한 간 섬유화를 평가할 때 기존의 MRE 분석과 비교 가능한 진단 성능을 제공한다.

목적: 혈장세포양 요로상피암(Plasmacytoid urothelial carcinoma, PUC)은 낮은 발생률로 인해 영상 자료가 제한적인 드문 공격적인 방광암 아형이다. 본 연구는 다중매개변수 자기공명영상(multiparametric MRI, mpMRI)에서 PUC의 특징적 소견을 보고하고자 하였다. 재료 및 방법: 2019년 1월부터 2024년 8월까지 수술 전 mpMRI를 시행하고 조직학적으로 PUC로 확인된 13명의 환자를 후향적으로 분석하였다. 두 명의 맹검 방사선과 전문의가 종양의 크기, 형태, 신호강도, 겉보기확산계수(apparent diffusion coefficient, ADC) 값, 동적 조영증강의 조영 양상, 조영증강 특징, 침윤성 소견을 독립적으로 평가하였다. 방광 영상-판독 및 데이터 시스템(vesical imaging-reporting and data system, VI-RADS) 점수를 기록하였다. 관찰자 간 일치도는 카파 통계(kappa statistic)로 평가하였다. 결과: PUC는 주로 광범위(6/13, 46.2%) 또는 국소(5/13, 38.5%) 방광벽 비후 양상을 보였다. 광범위 비후는 종종 linitis plastica와 유사한 모양과 연관되었다. 고 b값 확산강조영상(high b-value diffusion-weighted imaging, DWI)에서는 판독자에 따라 8예와 7예(각각 61.5% 및 53.8%)가 경도의 고신호 또는 등신호를 보였으며, 평균 ADC 값은 1.1 × 10⁻³ mm²/s였다. 동적 조영증강 MRI는 10예(76.9%)에서 점진적이고 지속적인 조영증강을 보였다. VI-RADS 점수 ≥ 4는 11예(84.6%)에서 관찰되었다. 병리학적 분석 결과, 점진적이고 지속적인 조영증강을 보인 종양에는 점액양 기질(myxoid stroma)과 일부 섬유성 조직이 포함되어 있었다. 대부분의 영상 소견에서 관찰자 간 일치도는 우수하였으나, DWI 신호강도에서는 우수한 일치가 아니었다. 결론: PUC는 국소 또는 광범위 방광벽 비후(대개 linitis plastica와 유사한 모양 동반), 근육침윤성 및 진행성 질환, 점진적이고 지속적인 조영증강 양상, 그리고 고 b값 DWI에서 경도의 고신호 또는 등신호를 포함하는 두드러진 mpMRI 특징을 보인다. 이러한 특징은 종양의 점액양 기질 성분과 연관될 가능성이 있으며, mpMRI가 이 공격적인 악성 종양에 대한 비침습적 진단 도구로 기능할 수 있음을 시사한다. 다만, 이러한 소견을 확인하기 위해서는 더 큰 규모의 추가 연구가 필요하다.