관상동맥 CT 혈관조영 이미지 품질이 인공지능 기술의 관상동맥 병변 및 협착 자동 식별 능력에 미치는 영향

초록 배경 이미지 품질이 인공지능(AI)의 관상동맥 병변 식별 및 관상동맥 CT 혈관조영(CCTA)에서 협착 정도 탐지 능력에 미치는 영향을 조사하기 위해 침습적 관상동맥 혈관조영(ICA)을 기준으로 사용함. 방법 관상동맥심장병이 의심되는 156명의 환자가 2020년 6월부터 2021년 6월까지 등록되었으며, 이들 중 92명은 남성, 64명은 여성이며 평균 연령은 66.1 ± 9.4세였다. 좌전하행지(LAD), 우관상동맥(RCA), 좌회선지(LCX)는 ICA를 금기준으로 비협착, 경도 협착, 중등도 협착, 중증 협착, 폐색으로 나누어졌다. 이미지 품질을 범주형 변수로 하여 각 혈관을 평가하고 AI 기술이 관상동맥 병변 및 CCTA의 정도를 자동으로 탐지하는 성능에 대한 이미지 품질의 영향을 조사하였다. 결과 전통적인 수동 후처리(사례당 13.9 ± 3.6분)와 비교하여 AI의 평균 후처리 및 해석 시간은 사례당 5.4 ± 1.5분으로 유의미하게 감소하였다; 관상동맥 AI 기술과 ICA 간에 플라크 탐지에서 유의미한 차이는 없었다(P = 0.213). 156명의 피험자의 협착 정도를 평가하는 AI의 일관성은 ICA와 중간 정도로 일치하며 P값은 < 0.001이었다. 이미지 품질을 범주형 변수로 하여 LAD, RCA 협착 정도를 평가하는 인간 + AI의 정확도는 AI보다 유의미하게 높았으며(P < 0.001), 중간 이미지 품질에 대한 OR 값은 5.258 (2.451,11.376) 및 6.552 (2.989,14.362)였고, 고화질 이미지에 대한 OR 값은 8.200 (2.747,24.478) 및 14.333 (3.886,52.874)였다; LCX 협착 정도를 평가하는 인간 + AI의 정확도는 AI보다 유의미하게 높았으며(P < 0.05), 고화질 및 중간 화질에 대한 OR 값은 각각 2.179 (1.063,4.468) 및 3.266 (1.198,8.903)이었다. 결론 전통적인 CCTA 수동 처리와 비교할 때 관상동맥 AI 지원 진단 기술은 더 짧은 처리 시간, ICA와 일관된 플라크 탐지, 의사 감독 하에 각 관상동맥의 협착 정도를 평가하는 능력을 갖추고 있어 업무 효율성을 향상시킨다.