딥노이드는 3일 미국 시카고에서 개최되는 2024년 북미영상의학회(RSNA 2024)에서 ‘AI 기반 폐 결절 진단 기술’에 대한 연구성과를 발표한다고 밝혔다. 

딥노이드는 RSNA에서 '폐 결절의 국소화 및 Lung-RADS 범주를 고려한 AI 기반 CAD 시스템의 진단 성능'을 주제로한 초록을 통해 딥렁(DEEP:LUNG)의 진단 성능을 소개한다. 

이번 임상 연구는 부산대병원, 양산부산대병원, 화순전남대병원에 2019년 1월부터 2023년 7월까지 외래와 응급실을 방문한 저선량 흉부 컴퓨터단층촬영(LDCT) 데이터 455건을 이용해 딥렁의 성능을 분석한 결과다. 분석 지표는 폐 결절의 조직, 크기, 악성도 분류, Lung-RADS 카테고리화 및 결절 위치 국소화 등이다.

그 결과 딥렁은 주요 평가 지표에서 민감도 91.38%, 특이도 93.08%, 악성도 분류 AUROC 89.62%의 결과를 보였다. AUROC는 분류 모델의 성능을 평가하는 지표로, AUROC 85% 이상이면 상당히 좋은 성능으로 간주된다는게 회사측의 설명이다.

특히 딥렁은 Lung-RADS 카테고리별 평가에서 민감도와 특이도에서 안정적인 성능을 보였다. 고형 결절과 간유리 음영 결절의 크기 측정에서도 각각 2mm, 3mm 이내의 오차 범위를 유지하며 정밀도를 보였다.

최우식 딥노이드 대표는 “이번 연구를 통해 폐 결절 진단 및 악성 분류 분야에서 AI가 의료진에게 도움을 줄 수 있음을 확인했다”며 “내년에는 뇌 질환 진단 솔루션과 함께 흉부 영역으로 AI 솔루션의 적용 범위를 확대할 계획이다. 의료 현장에 보다 포괄적인 AI 진단 지원 도구를 제공하는 것이 다음 목표”라고 말했다.