한국은 기계 학습을 사용하여 갑상선암을 발견하고 있습니다

연구자들은 악성 결절의 산소 포화도가 정상 결절의 산소 포화도보다 낮다는 사실에 초점을 맞추고했습니다

한국의 포항 공대 (POSTECH)의 공동 연구팀은 빛 음향 (PA)와 초음파 영상 기술 인공 지능 (AI)과 결합하여 갑상선 결절 및 암을 구별하는 새로운 비 침습적 방법을 제안합니다 했다.

현재 갑상선 결절의 진단은 초음파 영상을 이용한 천자 생검 (FNAB)를 사용하여 이루어지고 있습니다. 그러나 FNAB의 약 20 %는 부정확하고 반복적이고 불필요한 생검으로 이어집니다.

이 문제를 극복하기 위해 공동 연구팀은 빛에 의해 생성 된 초음파 신호를 얻기 위해 PA 이미징의 사용을 검토했습니다. 환자의 갑상선 결절 빛 (레이저)를 조사하면 갑상선과 결절에서 PA 신호라는 초음파 신호가 발생합니다.

이 신호를 취득하여 처리함으로써 동맥과 결절 모두 PA 이미지를 수집합니다. 이 때, 멀티 스펙트럼 PA 신호가 얻어지면 갑상선 및 갑상선 결절의 산소 포화도 정보를 계산 할 수 있습니다.

연구진은 악성 결절의 산소 포화도가 정상 결절보다 낮다는 사실에 초점을 맞추고 악성 갑상선 결절 환자와 양성 결절 환자의 PA 이미지를 취득했습니다.

이 연구는 갑상선 결절의 광 음향 화상을 취득하고 기계 학습을 사용하여 악성 결절을 구분하는 것은 처음이라는 점에서 중요하다 “고 POSTECH의 ChulhongKim 교수는 말합니다. “갑상선암 환자의 불필요한 생검을 최소화 할뿐만 아니라,이 기술은 유방암을 포함한 다른 다양한 암에도 적용 할 수 있습니다.”

READ  금메달리스트 아, 김은 한국의 올림픽 양궁 팀의 신인이 더해진

답글 남기기

이메일 주소는 공개되지 않습니다. 필수 항목은 *(으)로 표시합니다