난소암 조직병리학의 인공지능: 체계적인 검토

Aug 07, 2023

npj Precision Oncology 7권, 기사 번호: 83(2023) 이 기사 인용

측정항목 세부정보

본 연구에서는 조직병리학 데이터를 활용하여 난소암 진단 또는 예후를 위해 인공지능(AI)을 활용하여 발표된 연구의 품질을 평가합니다. PubMed, Scopus, Web of Science, Cochrane CENTRAL 및 WHO-ICTRP에 대한 체계적인 검색이 2023년 5월 19일까지 수행되었습니다. 포함 기준에 따르면 AI가 인간 난소암 조직병리학 이미지의 예후 또는 진단 추론에 사용되어야 했습니다. 편향 위험은 PROBAST를 사용하여 평가되었습니다. 각 모델에 대한 정보를 표로 작성하고 요약 통계를 보고했습니다. 이 연구는 PROSPERO(CRD42022334730)에 등록되었으며 PRISMA 2020 보고 지침을 따랐습니다. 검색 결과 1,573개의 기록이 확인되었으며 그 중 45개가 포함 대상이었습니다. 이 연구에는 37개의 진단 모델, 22개의 예후 모델 및 21개의 기타 진단 관련 모델을 포함하여 80개의 관심 모델이 포함되었습니다. 일반적인 작업에는 치료 반응 예측(11/80), 악성 종양 상태 분류(10/80), 얼룩 정량화(9/80) 및 조직학적 하위 유형 지정(7/80)이 포함되었습니다. 모델은 1-776명의 난소암 환자로부터 얻은 1-1375개의 조직병리학 슬라이드를 사용하여 개발되었습니다. 모든 연구에서 비뚤림 위험이 높거나 불명확한 것으로 나타났는데, 이는 참가자 모집에 관한 제한된 분석과 불완전한 보고로 인해 가장 빈번하게 발생했습니다. 난소암의 진단 또는 예후 목적을 위해 조직병리학 이미지에 AI를 적용하는 것에 대한 제한된 연구가 수행되었으며, 실제 구현 준비가 된 모델은 없습니다. 임상 번역을 가속화하는 주요 측면에는 데이터 출처 및 모델링 접근 방식에 대한 투명하고 포괄적인 보고, 교차 검증 및 외부 검증을 사용한 향상된 정량적 평가가 포함됩니다. 이 연구는 공학 및 물리 과학 연구 위원회의 자금 지원을 받았습니다.

난소암은 전 세계 여성에게 8번째로 흔한 악성 종양입니다1. 이는 검사가 효과적이지 않고2 폐경으로 인해 발생하는 증상과 유사한 비특이적 증상을 보여 감지 및 진단이 매우 어렵습니다3. 난소, 나팔관, 복막의 원발성 악성 종양을 포괄하는 이 질병은 진단 당시 복부 내로 퍼지기 시작한 경우가 많습니다(FIGO4 3기). 이러한 전형적인 진단 후기 단계로 인해 난소암은 특히 치명적인 질병이 되며, 매년 314,000건의 새로운 사례가 진단되어 전 세계적으로 연간 207,000명의 사망자가 발생합니다1.

대부분의 난소암은 암종(상피 기원 암)으로 주로 5가지 조직학적 아형, 즉 고등급 장액성, 저등급 장액성, 투명 세포, 자궁내막성 및 점액성으로 분류됩니다. 비상피성 난소암은 훨씬 덜 일반적이며 생식 세포, 성삭 간질 및 중간엽 종양을 포함합니다. 난소암 아형은 형태학적으로나 예후적으로 다르며 치료 옵션도 다양합니다5. 고급 장액성 암종은 난소암의 가장 흔한 형태로 전체 사례의 약 70%를 차지합니다6.

세포 수준에서 조직 표본을 검사하는 조직병리학은 난소암 진단의 표준입니다. 병리학자는 일반적으로 헤마톡실린 및 에오신(H&E)으로 염색된 조직을 해석하지만 해석은 주관적이고 시간이 많이 걸리는 과정일 수 있으며 일부 작업은 관찰자 간 변동이 높은 수준입니다7,8,9. 어려운 사례를 평가할 때 일반 병리의사는 세부 전문 부인과 병리학 전문가의 도움을 구하거나 면역조직화학(IHC)과 같은 보조 검사를 사용할 수 있습니다. 추천 및 보조 테스트는 진단 프로세스의 정확성에 필수적일 수 있지만 시간이 오래 걸리고 비용이 많이 드는 대가를 치르게 됩니다. 전 세계적으로 병리학자는 공급보다 수요가 훨씬 더 많습니다. 국가 간 병리학자 수의 상당한 차이가 있고10 공급이 더 나은 국가에서도 여전히 수요를 충족할 수 없습니다11.