Lunit Logo

Product

Explore our Products

흉부 X선 영상 분석 AI

Insight CXR

유방촬영술 영상 분석 AI

Insight MMG

조직 슬라이드 영상 분석 AI

Insight SCOPE
MFDS Mark
Lunit INSIGHT CXR1 logo
For Nodule Detection
Lunit INSIGHT CXR1 capture

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 영상의학회지게재 승인6
  • 식품의약품안전처 의료기기 제조 허가 (의료영상검출보조소프트웨어, 제허 18-574호)

Example cases

example case1example case1

CASE #1. 폐암으로 진단된 결절이 심장과 겹쳐진 부위에서 검출되었습니다. (Abnormality Score: 44%)

example case2example case2

CASE #2. 폐암으로 진단된 결절이 우측 폐 상엽right upper lung field에서 검출되었습니다 (Abnormality Score: 66%)

example case3example case3

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).