Product
Explore our Products
흉부 X선 영상 분석 AI
유방촬영술 영상 분석 AI
조직 슬라이드 영상 분석 AI
Background
한국인 남/녀 사망률 1위를 차지하는 폐암은 말기에 발견되는 경우 5년 생존율이 6.1%에 불과하지만, 조기발견 시 생존율은 64.0%까지 상승합니다.1,2 그러나 국내 폐암환자의 조기진단 비율은 20.7%에 불과합니다. 병변의 크기가 작거나 심장, 늑골 등 다른 장기에 병변이 가려져 있는 경우, 흉부 x-선 검사에서 폐암을 놓치기 쉽기 때문입니다. 특히 짧은 시간동안 다량의 영상을 판독하는 환경에서 그 위험은 더욱 높아질 수 있습니다.
Product description
Lunit의 독자적인 딥 러닝 기술이 적용된3 Lunit INSIGHT CXR-Nodule은 흉부 x-선 영상에서 폐 결절로 의심되는 이상부위를 검출하여 의사의 판독을 보조하는 소프트웨어입니다. 인공지능 알고리즘이 영상을 분석하여 (1) 폐 결절로 의심되는 위치를 색상(Heatmap)으로 표시하고, (2) 폐 결절의 존재 가능성을 확률 값(Abnormality Score, %)으로 나타냅니다. 의사는 1차적으로 흉부 x-선 영상을 판독한 후 분석 결과를 참고하여 최종 진단을 내리게 됩니다. (의사의 영상판독 없이 Lunit INSIGHT CXR-Nodule 분석 결과만으로 환자의 진단 및 치료방안을 결정할 수 없습니다.)
Primary value proposition
- 크기가 작거나 다른 장기에 가려져 있는 결절을 놓치는 비율 감소
- 흉부 x-선 영상을 통한 폐암의 조기 진단율 향상
- 비영상의학 전문의의 폐 결절 판독 정확도를 영상의학 전문의 수준으로 향상
Training & Validation
- 흉부 x-선에서 발견하기 어려운 결절도 정확히 검출하기 위해, Chest CT에서 병변 확인 후 알고리즘 학습
- 폐 결절 검출 정확도: 97% ROC AUC4
- 영상 판독 보조 시, 의사의 판독 정확도 최대 20% 향상5
- 세계 최고 권위의 영상의학회지
게재 승인6 - 식품의약품안전처 의료기기 제조 허가 (의료영상검출보조소프트웨어, 제허 18-574호)
Example cases
CASE #1. 폐암으로 진단된 결절이 심장과 겹쳐진 부위에서 검출되었습니다. (Abnormality Score: 44%)
CASE #2. 폐암으로 진단된 결절이 우측 폐 상엽right upper lung field에서 검출되었습니다 (Abnormality Score: 66%)
CASE #3. 폐암으로 진단된 결절이 횡격막과 겹쳐진 부위에서 검출되었습니다. (Abnormality Score: 96%)
Journals & Conference
Abstracts
- Nam JG, Park SG, et al. Development and Validation of Deep Learning-Based Automatic Detection Algorithm for Malignant Pulmonary Nodules on Chest Radiographs, Radiology 2018 (in press)
- Development and Validation of a Deep Learning-Based Automatic Detection Algorithm for Active Pulmonary Tuberculosis on Chest Radiographs, RSNA 2018
- Multi-Stage Deep Disassembling Networks for Generating Bone-Only and Tissue-Only Images from Chest Radiographs Performance Validation of a Deep Learning-Based Automatic, RSNA 2018
- Detection Algorithm for Major Thoracic Abnormalities on Chest Radiographs, RSNA 2018
- Deep Learning-Based Automatic Detection Algorithm for the Detection of Major Thoracic Abnormalities on Chest Radiographs, RSNA 2018
- Automatic Detection of Malignant Pulmonary Nodules on Chest Radiographs Using a Deep Convolutional Neural Network: Detection Performance and Comparison with Human Experts, RSNA 2017
- Deep Learning-based Automatic Detection Algorithm for the Detection of Malignant Pulmonary Nodules on Chest Radiographs, RSNA 2017
References
1 통계청, 사망원인통계, 2016; 국가승인통계 제 101054호
2 보건복지부, 2015년 국가암 등록통계 참고자료, 2017
3 Lunit의 딥 러닝 기술력은 다양한 국제 대회에서 입증되었습니다. 대표적으로 국제종양증식평가대회 ‘TUPAC 2016’ 1위, 국제림프절전이검출대회 ‘CAMELYON Challenge 2017’ 1위, CB Insights 선정 ‘2017 세계 100대 인공지능 기업’ 등의 성과가 있습니다.
4 Standalone test. ROC AUC Area Under the Receiver Operating Characteristic Curve
5 서울대학교병원, Observer performance study, 2017
6 Nam JG, Park SG, et al. Development and Validation of Deep Learning-Based Automatic Detection Algorithm for Malignant Pulmonary Nodules on Chest Radiographs. Radiology 2018; (in press).
