Good Sleep은 매년 1월, 5월, 9월 발간 예정입니다
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
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.
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.
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.