주메뉴

홈아이콘  >  이슈

[연구] 12개 안과 질환 진단하는 ‘딥러닝 알고리즘’ 개발

김성화 기자ksh2@healthi.kr 입력 : 2019-06-11 16:58  | 수정 : 2019-06-11 16:58

네이버 페이스북 밴드 구글 트위터 핀터레스트 카카오스토리 카카오링크 인쇄 다운로드 확대 축소

 

기본 안저검사 사진(좌)과 알고리즘이 판단한 출혈 병변 부위
자료=분당서울대병원

 

[헬스앤라이프 김성화 기자] 분당서울대병원 안과 박상준·박규형 교수, 서울시립보라매병원 안과 신주영 교수팀이 망막안저사진(Retinal Fundus Photograph)을 판독해주는 딥러닝 알고리즘을 개발했다고 11일 밝혔다.

 

이번에 개발된 딥러닝 알고리즘은 출혈, 드루젠 등 황반 이상, 맥락막 이상, 망막 혈관 이상, 신경섬유층결손, 녹내장성 시신경유두 변화 등 망막안저사진에서 관찰될 수 있는 주요한 12개 소견들에 대해서 높은 정확도로 진단이 가능하다.

 

이번 연구는 분당서울대병원에 축적된 망막안저사진 중 약 10만 장에 대해서 57명의 안과 전문의가 30만 번 이상 자세하게 판독해 얻어진 것으로, IDRiD, e-ophtha 및 Messidor 등 국제적으로 검증된 외부 데이터셋에서도 임상에서 충분히 활용이 가능한 수준의 높은 정확도를 확인됐다.

 

망막안저사진은 촬영을 위한 방사선 노출이 없을 뿐만 아니라 산동(점안액으로 동공을 확대)을 할 필요가 없고 촬영 시간이 짧고 비용이 저렴해 안과뿐만 아니라 건강검진센터 등에서도 안구 내 유리체, 망막, 맥락막, 녹내장 등의 이상 여부를 진단하는 데 널리 사용되고 있다.

 

연구팀은 이번 알고리즘을 활용하면 실명유발질환을 조기 진단할 수 있는 망막안저사진의 촬영을 보다 많은 곳에서 더 쉽게 사용할 수 있을 것으로 기대하고 있다.

 

박상준 분당서울대병원 안과 교수
사진=분당서울대병원

박규형 교수는 “기존에 발표된 망막안저사진 자동판독알고리즘들은 당뇨망막병증과 같은 일부 질환의 진단의 감별에 국한됐다”면서 “이번 알고리즘은 실제 의사가 판독할 때처럼 망막안저사진에서 관찰되는 다양한 이상소견들을 검출할 수 있어 일반 인구에서 선별검사목적으로 시행되는 망막안저사진의 판독에도 도움을 줄 수 있다”고 말했다.

 

박상준 교수는 “현재 진행 중인 식품의약품안전처의 허가임상시험이 완료되면 의료기기로 활용이 가능할 것”이라며 “망막안저사진의 영상의 질, 이상 소견, 진단, 임상적 의의까지 판단할 수 있는 더 발전된 알고리즘을 개발하겠다”고 밝혔다.

 

이번 연구는 국제 안과 저널인 < Ophthalmology > 최근호에 게재됐다.

 

 

 

 

****** 아래는 논문 원문 일부 발췌본 (Downloaded from Ophthalmology)

 

Development and Validation of Deep Learning Models for Screening Multiple Abnormal Findings in Retinal Fundus Images

 

Jaemin Son, Joo Young Shin, Hoon Dong Kim, Kyu-Hwan Jung, Kyu-Hwan Jung, Kyu-Hwan Jung, Kyu-Hwan Jung, Kyu Hyung Park, Sang Jun Park

 

 

Abstract

 

Objective

 

To develop and evaluate deep learning models that screen multiple abnormal findings in retinal fundus images.

 

Design

 

Cross-sectional study.

 

 

Participants

 

309,786 readings from 103,262 images were used for the development and testing of deep learning models. Two additional external datasets (Indian Diabetic Retinopathy image Dataset and e-ophtha) were used for testing. A third external dataset (Messidor) was used for comparison of the models with human experts.

 

 

Methods

 

Macula-centered retinal fundus images from the Seoul National University Bundang Hospital (SNUBH) Retina Image Archive, obtained at the health screening center and ophthalmology outpatient clinic at SNUBH, were assessed for 12 major findings (hemorrhage, hard exudate, cotton wool patch, drusen, membrane, macular hole, myelinated nerve fiber, chorioretinal atrophy or scar, any vascular abnormality, retinal nerve fiber layer defect, glaucomatous disc change, and non-glaucomatous disc change) with their regional information.

 

 

Exposure

 

Deep learning algorithms.

 

 

Main Outcome(s) and Measure(s)

 

Area under the receiver operating characteristic curve, sensitivity and specificity at highest harmonic mean were evaluated and compared with the performance of retina specialists, and visualization of the lesions was qualitatively analyzed.

 

 

Results

 

Areas under the receiver operating characteristic curves for all findings were high at 96.2–99.9% when tested in the in-house dataset. Lesion heatmaps highlight salient regions effectively in various findings. Areas under the receiver operating characteristic curves for diabetic retinopathy-related findings tested in the Indian Diabetic Retinopathy image Dataset and e-ophtha dataset were 94.7–98.0%. The model demonstrated a performance that rivaled that of human experts, especially in the detection of hemorrhage, hard exudate, membrane, macular hole, myelinated nerve fiber, and glaucomatous disc change.

 

 

Conclusions

 

and Relevance: Our deep-learning algorithms with region-guidance show reliable performance for detection of multiple findings in macula-centered retinal fundus images. These interpretable, as well as reliable classification outputs open the possibility for clinical usage as an automated screening system for retinal fundus images.

 

Article Info


Published online: May 31, 2019
Accepted: May 24, 2019
Received in revised form: May 3, 2019
Received: February 11, 2019

 

※ 출처 Ophthalmology 


ksh2@healthi.kr

#헬스앤라이프 #김성화기자 #분당서울대병원 #안과 #딥러닝 #실명 #망막 #Ophthalmology #출혈 #드루젠 #황반이상 #박상준