대한수면호흡학회

메뉴열기 메뉴닫기

Good Sleep은 매년 1월, 5월, 9월 발간 예정입니다

Predicting obstructive sleep apnea based on computed tomography scan using deep learning models

Predicting obstructive sleep apnea based on computed tomography scan using deep learning models

Am J Respir Crit Care Med. Vol 210, Iss 2, pp 211–221, Jul 15, 2024

동국의대 김진엽

연구의 배경 및 목표

폐쇄성 수면무호흡증(Obstructive sleep apnea, OSA)은 일반 인구의 유병률이 6–38%에 이르는 흔한 질환입니다.
하지만 진단되지 않은 OSA의 비율이 높은 것으로 알려져 있는데, 실제로 한 연구에 따르면 일반인을 대상으로 한 선별검사(screening PSG)에서 OSA로 진단된 대상자의 약 90%는 이전까지 임상적으로 진단되지 않았던 것으로 보고되었습니다. 두개안면부(computed tomography, CT) 영상은 부비동(paranasal sinus, PNS), 안와(orbit), 안면골(facial bone) CT 등을 포함하며 상기도의 해부학적 구조를 시각화할 수 있습니다.

OSA에서는 상기도의 여러 부위(연구개 뒤(retropalatal), 혀 뒤(retroglossal), 후두부(laryngeal) 등)에 걸쳐 폐쇄가 발생할 수 있으며, 이러한 부위들을 두개안면부 CT를 통해 동시에 평가할 수 있지만 CT 영상만으로는 OSA의 중증도를 평가할 수 없습니다. 따라서 만약 다른 목적으로 촬영된 CT를 통해서 OSA의 중증도를 예측할 수 있다면 OSA 진단에 도움이 될 것이라고 생각했습니다.

본 연구에서는 이비인후과에서 주로 사용되는 PNS CT를 활용하여 3차원 딥러닝 알고리즘을 통해 OSA의 유무 및 중증도(정상, 경증, 중등도, 중증)를 예측하고자 했습니다. 또한, PNS CT 영상과 신체 계측 정보(anthropometric factors)를 함께 활용한 통합 예측 모델을 개발하고 그 성능을 평가하였습니다.

연구의 내용 및 결과

이 연구에서는 CT를 자동으로 3차원 재구성하여 만든 예측모델을 개발한 뒤, 두가지 주요 단계를 통해 성능을 향상시켰습니다.

첫 번째 단계에서는 딥러닝 모델이 상기도(airway)에 보다 집중하도록 유도하는 highlighting 알고리즘을 개발하여 CT 기반 3차원 딥러닝 알고리즘에 적용하였습니다.

두 번째 단계에서는 CT 영상뿐 아니라 인구통계학적 정보(나이, 성별, BMI)를 함께 활용한 통합(multimodal) 예측 모델을 개발하였습니다. 그 결과 모델이 단계별로 발전될수록 더 높은 예측력을 보였습니다.

결론 및 시사점

본 연구는 다른 목적으로 촬영된 두개안면부(craniofacial) CT가 OSA 선별(screening)에 활용될 수 있음을 보여주었습니다. 또한 두 개의 병원에서 외부 검증을 완료하여 모델의 일반화 가능성과 신뢰성을 확보하였습니다.

추가적인 검사가 필요하지 않다는 점에서, 본 연구는 딥러닝이 기존의 영상 데이터를 재활용하여 임상적 가치를 높일 수 있음을 보여주는 좋은 사례이며, 임상적으로 진단되지 않은 OSA(undiagnosed OSA)를 선별하는 데 기여할 수 있을 것으로 기대됩니다.