고대 구로병원 산부인과 조현웅 교수가 난소암 진단 성능을 개선한 연구로 대한암학회 춘계학술대회에서 메리트 어워드를 수상했다.
메리트 어워드 학술상은 대한암학회 학술대회에서 발표되는 약 1000편의 논문 초록 중 연구 내용이 참신하고 향후 암 환자 진단과 치료에 기여할 수 있는 우수 연제를 선정해 수여하는 상이다.
조현웅 교수는 '난소암의 정확한 진단을 위한 골반 초음파 기반 딥러닝 모델 연구'라는 주제로 수상의 영예를 안았다.
조 교수 연구팀은 2015~2022년 동안 난소암 또는 양성 낭종으로 진단된 환자 804명의 골반 초음파 영상, 나이, CA-125 수치를 수집하여 딥러닝 모델을 개발했다. 영상은 낭성· 고형 성분으로 분할돼 특징을 추출했다. ResNet50과 DenseNet121 모델을 사용해 영상과 임상 데이터를 결합한 AI 모델을 만들었다.
개발한 AI 모델은 약 95%의 정확도로 양성난소종양과 난소암을 구분할 수 있으며, 난소암 조기진단을 위해 중요한 민감도 또한 90% 이상으로 매우 우수한 결과를 보였다.
조 교수는 “골반 초음파는 난소암 진단에 유용하지만 현재까지 딥러닝 기술을 이용하여 난소암 진단 성능을 개선한 연구는 거의 없었다”며 “본 연구를 통해 딥러닝 기술을 기반으로 한 골반 초음파가 난소암 조기진단에 유용한 기술이 될 수 있기를 기대한다”고 말했다.
메리트 어워드 학술상은 대한암학회 학술대회에서 발표되는 약 1000편의 논문 초록 중 연구 내용이 참신하고 향후 암 환자 진단과 치료에 기여할 수 있는 우수 연제를 선정해 수여하는 상이다.
조현웅 교수는 '난소암의 정확한 진단을 위한 골반 초음파 기반 딥러닝 모델 연구'라는 주제로 수상의 영예를 안았다.
조 교수 연구팀은 2015~2022년 동안 난소암 또는 양성 낭종으로 진단된 환자 804명의 골반 초음파 영상, 나이, CA-125 수치를 수집하여 딥러닝 모델을 개발했다. 영상은 낭성· 고형 성분으로 분할돼 특징을 추출했다. ResNet50과 DenseNet121 모델을 사용해 영상과 임상 데이터를 결합한 AI 모델을 만들었다.
개발한 AI 모델은 약 95%의 정확도로 양성난소종양과 난소암을 구분할 수 있으며, 난소암 조기진단을 위해 중요한 민감도 또한 90% 이상으로 매우 우수한 결과를 보였다.
조 교수는 “골반 초음파는 난소암 진단에 유용하지만 현재까지 딥러닝 기술을 이용하여 난소암 진단 성능을 개선한 연구는 거의 없었다”며 “본 연구를 통해 딥러닝 기술을 기반으로 한 골반 초음파가 난소암 조기진단에 유용한 기술이 될 수 있기를 기대한다”고 말했다.