2026
다기관 후향 개발·독립 시험 · 저널 목록 외 · 출판사 공개 전문(본문·표 1–4) 검토 · 보충자료(ESM 1: 방법, 표 S1–S3, 그림 S1–S2) 검토 · 별도 이해관계 양식은 공개되지 않아 본문의 이해관계·연구비 진술 확인
기도 결절 검출 AI, 판독 보조 실험에서 민감도 상승
Deep learning‑based detection and classification of airway nodules on CT for early medical intervention.
중국 연구진이 저선량 흉부 CT에서 구역기관지와 그보다 중심부의 기도 결절을 찾는 검출 모형과 양성·악성 분류 모형을 개발했습니다. 검출 모형은 한 AI 회사가 모은 자료(436명, 결절 907개)로 학습하고 다른 4개 병원 303명의 CT 367건, 결절 738개에서 시험해 민감도 73.7%였습니다. 판독자 4명이 50건을 읽은 실험에서는 AI 보조 시 평균 민감도가 39.5%에서 72.9%로 올랐지만, 소규모 판독 실험이라 실제 검진 효과로 보기는 이릅니다.
- 독립 시험(4개 병원, CT 367건, 결절 738개)에서 결절 단위 민감도는 73.7%(95% 신뢰구간 70.4–76.9%), F1 점수 69.6%였고, 위양성은 367건에서 281개(검사당 0.77개)였습니다. 8 mm 이상 결절의 민감도는 77.2%였습니다.
- 기도 결절이 없는 음성 대조 CT 136건에서는 위양성이 40개(검사당 0.29개)였고 101건(74.3%)은 위양성이 없었습니다. 다만 음성 대조군의 평균 나이는 34.2세로 검진 대상과 다릅니다.
- 독립 시험 자료에서 무작위로 고른 50건을 판독자 4명(경력 3년 2명, 10년 이상 2명)이 3주 간격으로 AI 없이, 그리고 AI와 함께 읽었습니다. 평균 민감도 39.5%→72.9%(P=0.034), F1 점수 49.4%→77.2%(P=0.025), 평균 판독 시간 83.8초→61.8초(P=0.047)였습니다. 판독자별 민감도 상승 폭은 7.0%포인트(57.3%→64.3%)에서 47.5%포인트(25.2%→72.7%)까지 달랐습니다.
- 분류 모형은 CT 286건(양성 121건 중 점액마개 106건 포함, 악성 165건)으로 개발했고, 별도 독립 시험 62건에서 AUC 0.80(95% 신뢰구간 0.68–0.93), 민감도 72.7%, 특이도 87.5%였습니다.
왜 중요한가기도 결절은 폐실질 결절보다 덜 주목받아 놓치기 쉽고, 저자들은 판독의가 세 번째 추적 CT에서야 발견한 악성 사례를 AI가 첫 검사에서 표시한 예를 제시했습니다. 기도만 따로 보는 2차 판독 도구라는 표적은 분명합니다. 다만 독립 시험의 민감도 73.7%는 결절 4개 중 1개가량을 여전히 놓친다는 뜻입니다.
판독실에서검진 CT 판독에서 기관과 기관지 내강을 따로 훑는 습관을 대신하지는 못합니다. AI 표시는 보조 정보로 쓰고, 저자가 밝힌 위양성 원인인 기관 내 격벽, 기도벽 석회화, 기관지 주변 작은 혈관을 알고 판단해야 합니다. 분비물과 종양의 구분은 Lung‑RADS v2022처럼 추적 CT에서 지속 여부를 함께 보는 방식이 여전히 기준입니다.
한계독립 시험 결절 738개는 두 병원 PACS 판독문을 기관지 관련 키워드로 검색해 찾은 357개와 병리로 확진된 양성·악성 폐종양 또는 폐병변 환자에서 모은 381개로 구성된 선택 표본입니다(보충 표 S1). 판독 실험은 50건·4명 규모입니다. 분류 모형의 외부 시험은 단일기관 62건입니다. 학습 자료는 Shukun Technology가 수집한 비식별 자료이고 주석에 같은 회사의 소프트웨어를 썼으며, 저자 2명이 이 회사 직원이라고 밝혔습니다. 연구비는 중국 국가중점연구개발계획이고, 원자료는 교신저자에게 요청하도록 되어 있습니다.
국내 폐암검진 저선량 CT에 기도 결절 검출 AI를 2차 판독으로 붙이면, 판독문의 기도 결절 기록률과 기관지내시경 의뢰, 1년 내 중심부 폐암 발견이 함께 달라질까요?