딥러닝 기반 심장 질환 감별 초음파 분석 기술

주장비후성 심근병증과 심장 아밀로이드증은 초음파 영상에서 유사한 양상을 보입니다. 연구진은 이러한 유사성으로 인한 진단 한계를 극복하고자 다중 뷰 딥러닝 프레임워크를 개발했습니다.

팩트이번 연구는 2018년부터 2022년까지 수집된 데이터를 바탕으로 진행되었습니다. 전체 데이터셋은 비후성 심근병증 환자 212명, 심장 아밀로이드증 환자 119명, 정상 대조군 200명으로 구성됩니다.

팩트개발된 모델은 2D 심장 초음파 영상을 5가지 임상적 뷰로 분류합니다. 해당 영상에는 심첨 4챔버, 좌심실 흉골 장축, 승모판 수준의 흉골 단축, 유두근, 심첨부 영상이 포함됩니다.

팩트모델은 각 뷰에서 독립적으로 특징을 추출합니다. 추출된 특징은 통합 과정을 거쳐 질환 분류에 활용됩니다.

팩트다중 뷰 통합 방식은 단일 영상 분석보다 높은 진단 정확도를 나타냅니다. 5겹 교차 검증 결과, 모델의 정밀도는 0.83, 민감도는 0.81을 기록했습니다.

팩트해당 모델은 특이도 0.89와 마이크로 F1 점수 0.82를 달성했습니다. 이러한 수치는 인공지능 기반 분석의 임상적 유효성을 뒷받침합니다.

주장이번 결과는 인공지능이 복잡한 심장 질환 진단에 유용한 도구로 작동함을 보여줍니다. 특히 영상의학적 특징이 겹치는 질환을 구분하는 영역에서 딥러닝의 잠재력이 큽니다.

주장자동화된 초음파 분석은 전문의의 진단 시간을 줄입니다. 이는 질환이 심부전으로 진행되기 전 단계에서 선별하는 과정을 돕습니다.

팩트모델 학습에는 시난석유대학교 고성능 컴퓨팅 센터의 그래픽 처리 장치 자원이 활용되었습니다. 프로젝트 수행은 쓰촨성 자연과학재단의 연구비 지원으로 이루어졌습니다.

교차검증이번 연구는 단일 기관 데이터로 수행되었습니다. 따라서 다양한 인종과 환경에서 수집한 외부 데이터셋으로 추가 검증을 거쳐야 합니다.

교차검증실제 임상 현장 도입을 위해서는 의료진의 진료 과정과 인공지능 시스템을 통합하는 절차가 필요합니다.

출처사이언티픽 리포트(https://www.nature.com/articles/s41598-025-15443-5)의 보도를 교차 검증했습니다.