심근관류 검사는 말그대로 심장 혈관의 혈류를 측정하는 것으로, 대개 관상동맥질환에서 운동부하검사 혹은 동위원소를 이용한 심근관류 검사를 시행한다. 이중 동위원소를 이용한 심근관류 SPECT는 관상동맥질환의 진단, 중증도 및 예후 평가에 사용하는 핵의학 영상검사다.
아주대병원 핵의학과 윤준기 교수팀(임성주 연구원)은 딥러닝(AI 하위분야) 모델을 활용해 SPECT-CT 검사 중 CT 촬영을 대체할 수 있는 ‘감쇠 보정법’을 개발했다고 밝혔다.
연구팀은 관상동맥질환 의심 또는 진단 환자 985명의 심근관류 SPECT 영상을 데이터셋(Date-set)을 활용해 딥러닝 분야에서 수정된 U-Net 모델에 학습시켰다. 대상자는 남성 657명, 여성 328명이며, 평균 연령은 65세였다.
MAE, SSIM, PSNR은 딥러닝 모델의 성능을 수치로 보여주는 방법으로, 실제 검사 영상과 학습된, 즉 수정된 U-Net 모델에서 생성한 영상 간의 유사성을 평가하는 지표다. “특히 이번에 개발한 모델은 의료영상의 표준인 dicom 형식뿐 아니라, 일반 이미지인 jpg 형식의 영상에서도 뛰어난 성능을 발휘했다”고 연구팀은 설명했다.
SPECT는 방사성의약품을 정맥주사 후 나오는 감마선을 감지해 영상화하여 조직의 기능을 확인하는 검사다. 하지만 몸 안의 깊은 부분에서 나오는 신호가 가까운 부위에 비해 약해지는 감쇠현상이 있어, 이를 극복하기 위해 해부학적 변화를 확인하는 데 유용한 CT 영상을 접목한 SPECT-CT 검사를 이용하고 있다.
윤준기 교수는 “이번 딥러닝 기반 모델을 통해 CT를 대체함으로써 불필요한 방사능 피폭을 줄이고, 고가의 SPECT-CT 장비 없이도 정확한 영상을 얻을 수 있다”고 밝혔다.
이번 연구는 미국 핵의학 학술지 Clinical Nuclear Medicine에 게재됐다.