보고서 정보
주관연구기관 |
연세대학교 보건대학원 |
연구책임자 |
채영문
|
참여연구자 |
한헌
,
김종효
|
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2005-05 |
과제시작연도 |
2004 |
주관부처 |
보건복지부 |
과제관리전문기관 |
한국보건산업진흥원 Korea Health Industry Development Institute |
등록번호 |
TRKO201300001940 |
과제고유번호 |
1460004033 |
사업명 |
보건의료기술연구개발(의료정보기술개발) |
DB 구축일자 |
2013-05-20
|
키워드 |
의학적 의사결정지원시스템.인공지능.미만성 폐질환.컴퓨터 시각.Clinical decision support system (CDSS).artificial intelligence.diffuse interstitial lung disease.computer vision.
|
초록
▼
최근 효율적인 필름 관리와 의료자료 관리를 위해서 방사선 영상을 디지털 화하여 실시간으로 진료에 이용할 수 있게 하는 PACS(Picture Archive and Communication System)와 종이에 작성하던 의무기록을 디지털 화 한 전자의무기록시스템(EMR: Electronic Medical Records)의 도입이 활발해지고 있다. 또한 방대한 분량의 의학 지식과 임상정보를 바탕으로 의료 행위를 하는데 있어 정보와 지식의 효율적인 선택과 습득, 그리고 유지를 위해 EMR, OCS, PACS 등의 의료정보시스템으로부터
최근 효율적인 필름 관리와 의료자료 관리를 위해서 방사선 영상을 디지털 화하여 실시간으로 진료에 이용할 수 있게 하는 PACS(Picture Archive and Communication System)와 종이에 작성하던 의무기록을 디지털 화 한 전자의무기록시스템(EMR: Electronic Medical Records)의 도입이 활발해지고 있다. 또한 방대한 분량의 의학 지식과 임상정보를 바탕으로 의료 행위를 하는데 있어 정보와 지식의 효율적인 선택과 습득, 그리고 유지를 위해 EMR, OCS, PACS 등의 의료정보시스템으로부터 습득된 임상자료 및 고도의 의학 지식을 활용할 수 있는 진단 의사결정지원시스템(Clinical Decision Support System, CDSS)인 전문가 시스템에 대한 연구가 활발히 진행되고 있다. 특히 질병의 임상소견과 각종 진단 및 검사 결과를 토대로 한 의학용 인공지능 모델의 의학 의사결정지원시스템 개발이 시작되었다.
한편, 미만성 간질성 폐질환(DILD)은 PACS를 통해 습득되는 영상자료 중 하나로, 고해상도 전산화단층촬영(HRCT)의 소견이 임상 소견이나 임상병리 소견보다 진단에 더 중요하며 유용한 정보를 제공한다. 그러나 HRCT 소견은 한 소견이 여러 가지 질환의 가능성을 가지고, 소견의 결합으로 패턴을 형성하며, 패턴별로 감별 진단이 많은 특징이 있어서 경험이 많지 않은 의사는 비정상소견이 있어도 발견하지 못할 수 있는 등 진단에 어려움이 있다.
이 연구의 목적은 점차 확산되는 영상처리시스템 (PACS)과 의사결정시스템을 연계한 새로운 지식습득 방법 개발 필요성에 따라서, PACS 판독스테이션에서 추출한 영상을 컴퓨터 시각기술로 처리하고, 이를 이용하여 DILD의 감별진단을 체계적으로 추론해 내는 CDSS를 개발하고 타당성을 검증하는데 있다. 이 CDSS는 DILD 진단의 정확도를 향상시킬 수 있으므로 다양한 증례를 경험하지 못한 방사선과 의사의 진단에 도움을 줄 수 있도록 개발되었다.
연구의 방법과 결과는 다음과 같다.,
첫째, DILD의 지식 수집 및 정의하였다. 방사선 전문의로 구성된 그룹을 구성하여 정기적인 모임을 갖고, 전문의의 지식과 경험, 교과서, 저널, Web, 환자사례 검토 등을 통하여 DILD의 HRCT 소견이 갖는 지식을 수집하고 정의하였다. 정의된 지식은 1차년도 연구에서 rule-based forward reasoning을 이용, 미리 정해진 질문에 대해 순차적으로 답해가면서 감별진단을 좁혀가는 방식의 나무 (tree) 구조 HRCT 진단 보조 시스템을 만들었으며, 2차년도 연구에서는 1차년도의 연구 결과를 보완하여, 12가지 질병을 대상으로 진단의 과정을 단축시키고, 진단 진행 중의 수정이 용이하도록 한 병변들의 조합(combination)방식의 새로운 추론을 개발하였다.
둘째, DILD의 영상진단에 있어서 영상특징들의 객관적, 정량적 지표를 추출하게 하는 컴퓨터 시각 모듈과 분류 모듈을 개발하였다. HRCT 영상 진단에 나타나는 미만성 간질성 폐질환 진단에 중요한 병변들로 GGO, Honeycombing, Nodule 등의 여섯 가지에 대한 영상 특징들과 객관적 정량적 지표들을 찾아내고 이를 추출하는 컴퓨터 모듈을 개발하였다. 1차년도 연구에서는 폐분할과 인식 모듈, texture analysis 기법과 데이터마이닝의 신경망 기법 이용한 GGO검출 모듈을 개발하였고, 2차년도 연구에서는 geometric feature 를 이용한 기법을 이용하여 DILD의 주요한 병변 중 하나인 honeycombing 을 검출하는 데 적용하여 이미지 자동 검출 모듈을 개발하였다. 컴퓨터 시각 모듈이 갖는 또 하나의 특징은 DICOM 파일을 다루기 위해 Dicom Object라는 C++ 클래스(Class)를 만들어, Dicom 파일의 헤더(Header) 부분을 분석하여 필요한 정보를 얻을 수 있게 하였으며, Dicom Object 클래스를 이용한 파일 열기 대화상자(File Open Dialog)를 만들어 영상 읽기를 쉽게 하도록 하였다.
셋째, 자동 추출된 영상처리자료와 방사선 전문의사의 임상소견을 이용하여 진단에 필요한 지식을 표현하는 지식 모델 (knowledge model)을 개발하였다. 지식모델 개발은 두 가지로 나누어 볼 수 있으며, 영상 자동 검출 부분을 위한 데이터마이닝의 의사결정나무 기법도입과, DILD 질환의 하나인 특발성 폐 섬유증(UIP, IPF)의 진단을 위한 지식모델 개발이다. 영상 자동 검출 부분을 위한 데이터마이닝의 의사결정나무 기법은 앞서 신경망기법으로 GGO영상을 추출한 결과를 검증하고 보완하기 위하여 도입되었고, 신경망기법의 결과보다 GGO영상 추출을 위한 지표들을 더 우수하게 찾는 것으로 나타났다. 한편, UIP(IPF)는 다양한 DILD 질환 중 치료가 어렵고 예후가 불량하여 기타 DILD와 구분되며, 일차 진료 선에서 진단되지 못하고 타질환으로 잘못 진단하고 치료하는 경우가 많으며 방사선학적으로 의심이 되더라도 확진 자체가 개흉폐생검을 필요로 하는 등 임상적으로 쉽게 진단하기 어려운 질병이다. 본 연구에서는 UIP의 지식을 정의하고 진단에 관한 지식모델을 수립하여, UIP 진단을 위한 CDSS를 개발하였다. UIP 진단을 위한 CDSS는 임상정보를 토대로 특발성 폐 섬유증의 가능성이 높은 사례를 선별하여 다음 단계의 검사를 수행하도록 제시하며, 적절한 정보가 모아지면 특발성 폐 섬유증 진단을 추론해 냄으로써 다양한 증례를 경험하지 못한 비전문 의사나 일차 진료 선에서 활용이 가능하도록 하였다. UIP 진단을 위한 CDSS가 갖는 특징은 PACS의 HRCT 영상 정보를 비롯한 OCS, LIS, 의무기록 정보 등 병원정보시스템의 모든 정보를 통합하여 CDSS의 지식베이스에 제공한다는 점이다.
넷째, 폐질환의 진단을 위한 의학적 의사결정지원시스템 (CDSS) 개발하였다. 폐질환 진단을 의사결정지원시스템은 방사선 전문의의 진단 의사결정을 지원하는 DILD 진단을 위한 CDSS와 호흡기 내과 질환 전문의의 진단 의사결정을 지원하는 UIP 진단을 위한 CDSS로 구별되어 개발 되었다. CDSS는 모두 Visual Basic6.0으로 개발되어 사용자 위주의 편리한 인터페이스를 갖는다. 진단 규칙을 편집할 수 있는 기능을 가지고 있어, 지식이 재수집되고 정의 될 경우, 전문의가 진단 규칙을 쉽게 수정, 삭제, 추가할 수 있도록 하였다. UIP진단을 위한 CDSS는 진단에 필요한 환자기초정보(OCS), 임상정보(의무기록), 검사정보(LIS,), 영상정보(HRCT) 등의 병원정보시스템으로부터 수집된 정보를 통합하여 지식베이스에서 사용할 수 있도록 하였다. UIP진단을 위한 CDSS의 사용자 인터페이스는 최종 사용자인 호흡기 질환 전문의가 용이하게 사용할 수 있도록 진단서와 같은 형식으로 개발되었고, 이는 추후 EMR 인터페이스와도 통합될 수 있도록 하였다. 한편, 1차년도에 개발된 HRCT영상 자동 추출을 위한 컴퓨터 시각 모듈이 CDSS와 통합되어 PACS 정보입력에서, DILD와 UIP의 최종 진단에 이르기까지의 전 과정이 자동화되도록 하였다.
다섯째, CDSS의 임상적 타당성 검증하고 이를 시범운영하여 실효성과 유용성에 대하여 평가하였다. 두 가지의 지식모델을 사용하고 있는 DILD 진단을 지원하는 CDSS는에 대하여 임상적 타당성 검증을 실시한 결과, 1차년도에 개발된 tree 형식과 2차년도에 개발된 조합방식이다. 각각의 지식모델에 관한 타당성은 tree형식이 83%의 정확성을 나타냈고, 조합방식은 프로그램을 사용해 폐질환을 HRCT 진단한 점수는 프로그램을 사용하지 않았을 때와 비교하여 유의하게 높았다 ( p = 0.0078). 방사선과 전문의를 대상으로 한 사용자 만족도에 관한 설문조사의 결과에서는 평가자들은 비교적 이 CDSS 프로그램이 진단에 도움을 주는 것으로 느꼈으며, 프로그램을 쓰면서 나온 진단명이 자신이 처음 생각했던 것과는 달랐지만 이에 만족하는 것으로 나타났다. 한편 건의사항으로는 HRCT 소견들이 abc 순으로 한꺼번에 나열되는 것보다는 소견의 의미에 따라 분류되기를 희망하는 사람들이 많았다. 시스템 시연과 시범운영은, 컴퓨터 시각 모듈과 통합된 DILD진단을 위한 CDSS로 서울대학 병원과 서울 보라매병원의 방사선 전문의를 대상으로 하여 실시 되었으며, 시스템의 진단 결과의 정확도는 현재까지 6개의 증례에 대하여 컴퓨터 시각 모듈의 이미지 자동 검출과 방사선 전문의의 육안적진단의 결과가 99% 일치 하는 것으로 나타났다. 평가자들을 대상으로 한 시스템 평가에서는 좀 더 많은 질병을 대상으로 할 것과, 인터페이스의 개선 사항 등을 요구하였으며, 정확성의 경우에는 대체적으로 만족하는 것으로 평가하였다.
이와 같은 연구결과로, 개발된 DILD 진단을 위한 CDSS의 중요한 의의로써, 첫째, 미만성 간질성 폐질환의 진단을 위한 지식을 정의하고 수집하여 정제하는 과정에서 향후 규칙확대를 용이하게 되는 토대를 마련하였으며 규칙기반의 진단으로 진단의 정확도 향상을 가져왔다는데 있다. 특히, DILD진단에 중요한 HRCT 영상 지표들의 추출과 이미지들을 자동으로 검출하는 컴퓨터 시각 모듈의 개발은 PACS의 영상정보를 CDSS의 진단에 자동화하여 반영할 수 있도록 함으로써, 영상을 인식해서 소견을 발견하고 해석하는 영상 인식단계가 HRCT 획득에서 진단까지 자동으로 판독하는 인공지능형 시스템을 구축하였다는데 의의가 있다. 또한, 신경망과 데이터마이닝의 의사결정나무 기법의 분류법을 적용한 이미지 판별의 지식모형의 컴퓨터시각화 모듈을 이용해 PACS로부터 얻은 고해상도 전산화 단층촬영(HRCT) 영상자료의 소견을 미리 정의하여 보여줌으로써 사용자로 하여금 소견을 정확히 판단하여 의사결정을 하도록 하여 진단의 정확성을 높이고자 하였으며 이는 향후영상자료를 이용한 자동감별시스템을 기반으로 한 CDSS의 개발에 중요한 모델이 될 것이며, 유방암등 타 진료 분야에 적용할 수 있다. 또한, 환자의 성별과 나이, 임상 병리 소견 등의 임상학적 정보를 이미지 정보와 함께 보여줌으로써 진단의 의사결정에 도움이 되고, 방사선과 의사의 기초 교육과, 축적된 경험과 지식을 모든 의사가 언제라도 사용할 수 있도록 사용자 위주의 인터페이스로 구성하였다. 마지막으로 지식 등의 편집이 용이하도록 지식베이스를 설계함으로써 추가 되거나 변경되는 지식, 질병 등을 사용자 편리하게 수정, 편집가능하며 이러한 기술은 CDSS 개발 구축에 응용될 것이다. 한편, UIP진단을 위한 CDSS는 병원에서 진단의 최종의사결정자인 전문의의 진단 의사결정을 지원하는 시스템으로써, 진단에 필요한 병원의 모든 환자정보가 각각의 병원정보시스템으로부터 통합되어 진단 규칙에 사용되었다는 것이다. 이 것은 CDSS 개발에 있어 병원정보시스템의 통합을 시도한 것에서 의의를 찾을 수 있다.
향후 연구는 DILD 진단 시에 필요한 더 많은 지식들이 수집되고 정의되어 좀 더 정교하고 정확한 규칙이 적용된다면, 진단의 예측이 개선될 것으로 기대되며, 이러한 영상을 인식해서 소견을 발견하고 해석하는 영상 인식 단계가 HRCT 획득에서 진단까지 자동으로 판독하는 인공지능형 시스템은 영상정보가 중요시 되는 많은 질병에서 응용될 수 있을 것으로 기대된다. 마지막으로, 호흡기 내과 질환 전문의가 CDSS의 지원을 받아 최종 진단의사결정을 하는 데 있어서는 OCS, EMR, PACS, LIS등 병원정보시스템의 환자정보가 통합되어 CDSS에서 활용될 수 있는 모델을 제시하였는데, 이는 향후 병원정보시스템의 정보의 통합을 가능케 하는 EMR 활용이 더욱 활발해 진다면, CDSS의 질은 더욱 향상 될 것으로 보인다.
Abstract
▼
In order to manage large medical data and improve work processing quality, hospitals have increasingly introduced the Picture Archive and Communication System (PACS) and Electronic Medical Records (EMR). As a result, the Clinical Decision Support System (CDSS) is considered to be an essential medica
In order to manage large medical data and improve work processing quality, hospitals have increasingly introduced the Picture Archive and Communication System (PACS) and Electronic Medical Records (EMR). As a result, the Clinical Decision Support System (CDSS) is considered to be an essential medical knowledge management system that helps clinicians make better and effective decisions for diagnosis. The purpose of this study was to study computer vision module for automatic Ground Gross Opacity (GGO) detection, to develop artificial intelligence-based CDSS for diagnosis of perdiffuse interstitial lung disease (DILD), and to validate CDSS.
In order to diagnose DILD using High Resolution (HR) CT for the rule-based CDSS the system was developed based on 69 diseases, 85 findings, 73 conditions, 387 status, and 62 rules. The computer visual module for automatic GGO detection from the HRCT image data was developed by Neural Network Analysis (NNA) and its result was compared with the result of Decision Tree Analysis. The results showed that the Decision Tree Analysis had more significant features for detecting GGO than the NNA. In order to validate the prototype system, 18 normal cases were used. The result represents 85% of correctness. In addition, we also developed the CDSS for a diagnosis of UIP and validated its accuracy in prediction fo diagnosis. The results showed 98% accuracy rates for 10 cases.
After the computer vision module was independently developed and, the module was integrated into the CDSS and validated again for its clinical performance by radiologists. The results showed that the CDSS can help doctors make better clinical decision.
목차 Contents
- 표지 ... 1
- 제출문 ... 2
- 목차 ... 3
- 표 목차 ... 5
- 그림 목차 ... 6
- 요약문 ... 9
- SUMMARY ... 12
- 총괄연구개발과제 연구결과 ... 13
- 1. 총괄연구개발과제의 최종 연구개발 목표 ... 13
- 2. 총괄연구개발과제의 최종 연구개발 내용 및 결과 ... 18
- 3. 총괄연구개발과제의 연구결과 고찰 및 결론 ... 45
- 4. 사업화 목표 달성도 및 계획(개발과제만 해당함) ... 49
- 5. 총괄연구개발과제의 연구성과 ... 50
- 6. 연구개발결과의 파급효과 ... 86
- 7. 참여연구원 편성표(총괄) ... 87
- 8. 첨부서류 ... 88
- 제1세부연구개발과제 연구결과 ... 91
- 1. 제1세부연구개발과제의 최종 연구개발 목표 ... 92
- 2. 제1세부연구개발과제의 연구대상 및 방법 ... 95
- 3. 제1세부연구개발과제의 최종 연구개발결과 ... 98
- 4. 제1세부연구개발과제의 연구결과 고찰 및 결론 ... 133
- 6. 참고문헌 ... 135
- 제2세부연구개발과제 연구결과 ... 137
- 1. 제2세부연구개발과제의 최종 연구개발 목표 ... 138
- 2. 제2세부연구개발과제의 연구대상 및 방법 ... 140
- 3. 제2세부연구개발과제의 최종 연구개발결과 ... 144
- 4. 제2세부연구개발과제의 연구결과 고찰 및 결론 ... 158
- 6. 참고문헌 ... 159
- 제3세부연구개발과제 연구결과 ... 160
- 1. 제3세부연구개발과제의 최종 연구개발 목표 ... 161
- 2. 제3세부연구개발과제의 연구대상 및 방법 ... 164
- 3. 제3세부연구개발과제의 최종 연구개발 결과 ... 167
- 4. 제3세부연구개발과제의 연구결과 고찰 및 결론 ... 192
- 6. 참고문헌 ... 193
※ AI-Helper는 부적절한 답변을 할 수 있습니다.