본 연구는 단순 X-ray 두부 영상만을 기반으로 한 합성곱 신경망(CNN)으로 삼차신경통을 진단할 수 있는지를 확인하고자 하였다. 삼차신경통 환자(16세 초과)로부터 수집한 166장의 두부 영상에 라벨을 부여한 데이터셋을 구축하였으며, 함께 파열되지 않은 두개내 동맥류 환자의 영상 498장을 대조 데이터셋으로 구성하였다. 영상은 학습, 검증, 테스트 데이터셋으로 무작위 분할하였고, 6:2:2의 비율을 사용하였다. 분류기 성능은 정확도 및 수신자 조작 특성(receiver operating characteristic, ROC) 곡선 아래 면적(AUROC)으로 평가하였다. 관심 영역을 식별하기 위해 그래디언트 가중치 클래스 활성화 매핑(Gradient-weighted Class Activation Mapping, Grad-CAM)을 적용하였다. 외부 검증은 다른 기관에서 획득한 데이터셋을 사용하여 수행하였다. CNN은 테스트 데이터셋에서 전체 정확도 87.2%를 보였고, 민감도와 특이도는 각각 0.72 및 0.91이었으며, AUROC는 0.90이었다. 대부분의 경우, 삼차신경통을 예측하는 핵심 영역으로 접형동(sphenoid body)과 경사면(clivus)이 확인되었다. 외부 데이터셋에서의 검증 결과 정확도는 71.0%로 나타나, 심층학습 기반 모델이 삼차신경통 환자의 X-ray 두부 영상과 대조군 영상의 구분에 활용될 가능성을 시사하였다. 우리의 예비 결과는 단순 X-ray가 TN의 임상 진단을 보조하기 위해, 특히 CISS 시퀀스를 이상적으로 병행하여 기존의 MRI에 대한 부가적 수단으로 잠재적으로 사용될 수 있음을 시사한다. 추가적인 정교화를 통해 이러한 접근법이 유용한 선별(screening) 도구로 자리매김할 수 있을 것이다.

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