인공지능을 활용한 생체 간 이식 공여자 수술 전 CT 평가: 지방간 진단 및 간 내 지방률 측정의 진단적 가치

Preoperative CT Evaluation of Living Liver Donors Using Artificial Intelligence: Diagnostic Accuracy for Fatty Liver and Fat Fraction Quantification

전 세계적으로 지방간 환자가 증가함에 따라 뇌사자 간이식의 장기 부족 현상을 해결하기 위해 생체 간 이식이 대두되었고, 생체 간 이식에 있어 공여자의 간 내 지방률이 공여자와 수혜자, 이식편의 안전 및 생존에 영향을 미치기 때문에 공여자의 지방간 진단이 매우 중요하다. 최근 의료 영상 분야에서 딥 러닝을 이용한 인공지능의 활용이 증가하는 추세이며 본원에서도 인공지능을 영상 진단에 많이 이용하고 있다. 따라서 본 연구에서는 생체 간 이식 공여자 수술 전 CT 검사 영상을 딥 러닝으로 학습한 인공지능으로 분석하여 간 실질의 HU 값 측정과 Fat Fraction 측정하였다. 이를 기존 방식의 HU 값 측정과 MRI의 Quantitative Dixon 기법과 비교해 보고자 하였다. 연구는 생체 간 이식 공여자 수술 전 CT, MRI 검사를 한 달 이내에 모두 검사한 101명의 환자를 대상으로 진행하였고, 인공지능을 이용하여 측정한 간 실질 전체의 평균 HU 값과 Fat Fraction이 영상의학과 전문의가 PACS를 이용하여 직접 측정한 간 실질의 평균 Housfield Unit (HU) 값과 MRI의 Quantitative Dixon 기법으로 측정한 Fat Fraction과 매우 강한 양의 선형 상관관계를 갖는 것을 확인하였다.(HU 값: r=0.971, R2=0.944 Fat Fraction: r=0.815 R2=0.666) Paired t-test를 통해 간 실질의 평균 HU 값은 통계적으로 유의미한 차이가 있으며,(p<0.001) Fat Fraction의 경우 p=0.05로 통계적으로 유의미할 가능성이 있는 것으로 분석되었다. 또한 측정한 값들의 평균 차이값과 차이값들이 일관성 있게 나타나는지 알아보고자 Bland-Altman Plot으로 분석하였다. 그 결과 두 측정값 모두 대부분의 차이값들이 임상적으로 허용 가능한 범위 내에 존재하였다. 본 연구 결과를 바탕으로 인공지능 프로그램이 지방간 진단에 있어 현재는 기존의 방법들을 대체할 수 없지만, 인공지능 프로그램의 보정과 추가 연구를 통해 보조적인 지표로써 활용이 가능할 것으로 사료된다.

With the increasing number of patients with fatty liver worldwide, living donor liver transplantation has emerged as a solution to the shortage of organs from deceased donors. Since the donor’s liver fat content significantly affects the safety and survival of both the donor and recipient, diagnosing fatty liver in the donor is crucial. Recently, the use of deep learning-based artificial intelligence (AI) in medical imaging has been on the rise, and our institution also extensively utilizes AI in imaging diagnosis. Therefore, this study aimed to analyze preoperative CT images of living donor liver transplantation using AI to measure the hepatic parenchyma's hounsfield unit (HU) values and fat fraction. We compared these measurements with traditional HU value measurements and MRI quantitative Dixon technique-based fat fraction. The study was conducted on 101 patients who underwent both CT and MRI within a month before liver transplantation. We found a strong positive linear correlation between the average HU values of the hepatic parenchyma measured by AI and those measured by radiologists, as well as between fat fraction measured by AI and the MRI quantitative Dixon technique.(HU: r=0.971, R²=0.944; Fat Fraction: r=0.815, R²=0.666) A paired t-test revealed statistically significant differences in the average HU values,(p<0.001) and fat fraction showed potential statistical significance.(p=0.05) Bland-Altman analysis showed that most differences were within clinically acceptable limits. While The AI cannot fully replace current methods, it may serve as a supplementary tool through further calibration and research.