배 경
근래에 의료 영상 데이터는 의료 영상 검사의 증가로 인하여 빠르게 증가하고 있는데, 의료 영상 데이터 자체의 증가보다도 데이터의 분석으로부터 얻어지는 결과의 유용성이 더 빠르게 증가하고 있다.
또한, 최근에는 의료 영상을 이용한 대규모 연구가 진행되 어 결과가 발표됨으로써 진료상황에서의 임상의사결정에 매우 유용한 지침이나 도움을 주고 있다.
저자들은 이와 같은 대량의 의료영상 데이터를 얻게 되는 연구 및 연구로부터 얻어진 데이터로부터 임상의사결정(clini- cal decision support)에 이용되는 사례 및 과정을 고찰하여
보았다.
NLST 연구
2010년에 종결된 대규모 무작위 대조군 임상시험인 NLST(National Lung Screening Trial) 연구는 저선량 흉 부CT 검사와 흉부단순촬영을 이용한 선별검사의 효과에 대한 비교 연구로서 저선량 흉부CT 검사의 폐암 선별검사로서의 가 치를 입증한 최초의대규모 연구가 되었다[1]. 2002년부터 2006년까지 55세부터 74세까지 30갑년(pack-years) 이상의 흡연력을 가진 무증상의 폐암의 위험군을 대상으로 무작위로 저선량 흉부CT 검사 군과 흉부단순촬영 군으로 나누어 배정하 여 매년 한 번씩 촬영하여 3년간 선별검사를 하였고, 2009년 까지 추적관찰을 하였다. 총 53,439 명이 피험자로 등록되었 고, 26,715 명이 저선량 흉부CT 검사 군에 배정되었으며, 26,724 명이 흉부단순촬영 군에 배정되었다. 저선량 흉부CT
의료 영상 정보와 임상 의사 결정
이해준1・황경훈1・고 건1・김석균1・최덕주2・선용한3
1가천대학교 길병원 핵의학과, 2내과, 3소아청소년과
Medical Imaging Information and Clinical Decision Support
Haejun Lee, M.D.
1, Kyung Hoon Hwang, M.D.
1, Geon Koh, M.D.
1, Seog-gyun Kim, M.D.
1, Duckjoo Choi, M.D.
2, Yong Han Sun, M.D.
31 Department of Nuclear Medicine, Gachon University Gil Medical Center, Incheon, Korea
2 Department of Internal Medicine, Gachon University Gil Medical Center, Incheon, Korea
3Department of Pediatrics, Gachon University Gil Medical Center, Incheon, Korea
= Abstract =
It is difficult to decide therapeutic plan in a variety clinical decision. However, a lot of medical imag- ing data from a large medical imaging studies such as NLST (National Lung Cancer Screening Trial) could support the clinical decision. We reviewed the use of the results from the large medical imaging studies and recent available tools. Further development in the use of information from medical images may be warranted.
Key words: Medical imaging information, NLST, Medical image, Clinical decision support
통신저자: 선용한 (405-760) 인천 남동구 구월동 1198 가천대학교 길병원 소아청소년과
Tel: 032-460-3312, Fax: 032-460-3313 E-mail: [email protected]
검사 군에서는 7,191 명(27.3%)이 양성소견을 보였으며 흉부 단순촬영 군에서는 2,387명(9.2%)에서 양성소견이 관찰되었 다. 폐암 확진은 저선량 흉부CT 검사 군에서 292 명(1.1%)이 진단받았고 흉부단순촬영 군에서는 190 명(0.7%)이 확진되었 다. 저선량 흉부CT 검사 군에서는 대조군인 흉부단순촬영 군 에 비해 폐암의 조기진단율이 매우 높았고, 발견된 폐암 환자 의 상당수가 초기 병기인 1기였다. 결과적으로 저선량 흉부CT 검사 군에서 흉부단순촬영 군보다 폐암 특이 사망률이 20% 감 소하였으며, 전체 사망률이 6.7% 감소한 결과를 보고함으로써 저선량 흉부CT 선별검사의 폐암 선별검사로서의 가치를 증명 하였다[2]. 또한, 비용효과 분석에서도 한 사람의 생명 연장을 얻기위해 소요되는 비용이 19,000 달러 미만으로 다른 암 질 환과 비교하여 적은 비용이 드는 것으로 발표되었다[3].
유럽국가들에서 이와 비슷하게 진행되었거나 진행되고 있는 다수의 연구가 있으나, 이들 연구들은 연구 참여자의 수가 부 족하여 이들 임상연구의 참여자의 수를 전부 합해도 NLST 연 구 참여자 수의 절반밖에 되지 않아 연구결과가 모두 종합된다 고 하여도 NLST 연구가 입증한 결과를 바꾸기는 어려울 것으 로 보인다[4-6].
NLST 연 구 결 과 를 바 탕 으 로 NCCN (National Comprehensive Cancer Network) 는 폐암의 고위험군에서 저선량 흉부CT 검사를 권고하게 되었고. 세계 폐암 학회 (IASLC, International Association for the Study of Lung Cancer)에서도 CT를 이용한 폐암 조기검진 권고문을 발표하게 되었다[7]. 또한 미국 영상의학회에서도 폐암 선별을
위한 흉부CT 판독결과 보고와 권장 추적 방법을 표준화하기 위하여 Lung-RADS (Lung Imaging Reporting and Data System) 기준을 제시하기에 이르렀다[8].
이러한 NLST 연구는 그 직접적인 결과인 저선량 흉부CT 선별검사의 유용성 뿐만 아니라, NLST 연구에서 수집된 임상 자료, 영상자료, 검체자료 등을 분석하여 얻어지고 있는 결과 가 의료 전반에 미치는 영향이 큰데[9], 최근에는 이러한 임상 자료 및 영상자료를 시맨틱 웹 기술을 이용하여 임상의사결정 에 이용하려는 연구가 시도되고 있다..
시맨틱 웹 기술의 이용
근래에 기존 웹의 제한을 극복하기 위하여 차세대 웹으로 시 맨틱 웹이 등장하였는데, 시맨틱 웹은“컴퓨터가 정보의 의미 를 처리할 수 있는 웹”으로 정의할 수 있다[10]. 시맨틱 웹에 서 의 주 요 기 술 들 로 는 XML(eXtensible Markup Language), RDF(Resource Description Framework), 그 리고 OWL(Web Ontology Language)를 들 수 있다.
현재 여러 분야의 지식체계가 이러한 시멘틱 웹의 표준으로 제시되는 RDF/OWL 파일형식으로 온톨로지(ontology) 구조 를 가지도록 구조화되고 있다. 온톨로지란 개념들 간의 관계를 정형적으로 기술한 지식체계로서[11], 이를 통해 개념과 의미 의 컴퓨터 처리가 용이하게 되어 시멘틱 웹의 발전이 가능하게 되었다. 의료영상에 있어서도 XML 또는 RDF/OWL 파일형 식 및 표준용어를 이용하여 온톨로지 지식체계를 가지도록 의
그림 1. 의료영상 정보의 표준화를 위한 RadLex 검색 브라우져
료영상의 판독 자료를 저장하여, 개념 및 의미로 의료영상을 검색하는 방법들이 활발하게 연구되고 있다[12,13].
근래 PACS (picture archiving and communication system)의 보급 및 의료영상 촬영의 급증으로 인한 의료영상 데이터의 폭발적인 증가로 병원 등 의료기관에서 대용량의 영 상정보를 효율적으로 검색할 필요성이 커지게 되었다. 따라서, 다양한 임상 및 영상판독 상황에서 이러한 많은 양의 의료영상 데이터로부터 연관영상을 이용하여 유용한 정보를 추출하거나 임상 의사 결정에 이용할 필요가 점점 증가하고 있다. 현재의 의료영상의 판독문은 대부분 자유서술문 형태로 기록되고 있 고, 일부 XML 형식으로 저장되고 있으나, 구조적이지 아니어 서 막대한 양의 영상 판독 자료를 효율적으로 검색하기 어려운 실정이다.
W3C에 의하여 시맨틱 웹의 표준으로 제안된 RDF/OWL 형식의 데이터베이스 구축은 비의료 분야에서 활발하게 진행 되고 있으나, 의료 분야에서는 표준 어휘 사용의 부족, 기존 의 료 데이터의 RDF/OWL 파일로의 전환이 쉽지 않은 점 등으 로 인하여 활발히 이용되고 있지는 못한 상태였으나, 최근 의 료영상 정보량의 급격한 증가로 이의 효율적으로 이용할 필요 성이 커지게 되에 이에 대한 연구가 활발히 이루어지고 있다.
1. SPARQL을 이용한 의료정보 쿼리 시스템
SPARQL(SPARQL Protocol and RDF Query Language)[14]은 RDF/OWL 데이터 질의 언어이고 2008년
도에 W3C에 의해 권고안으로 채택되었다[15]. 각종 분야의 지식 체계를 온톨로지와 RDF/OWL을 이용하여 계층구조 (hierarchy)를 가진 연결된(linked) 데이터베이스로 구축을 하여 이를 SPARQL 등을 이용한 의미 검색을 통하여 원하는 정보에 쉽고 빠르게 도달할 수 있게 된다. 온톨로지(ontology) 란 개념들 간의 관계를 정형적으로 기술한 지식체계로서[16], 이를 통해 개념과 의미의 컴퓨터 처리가 용이하게 되어 시멘틱 웹의 발전이 가능하게 되었다[17]. 여러 분야의 지식체계가 이 러한 시멘틱 웹의 표준으로 제시되는 XML 또는 RDF/OWL 파일형식으로 온톨로지 구조를 가지도록 구조화되고 있다. 의 료영상에 있어서도 XML 또는 RDF/OWL 파일형식 및 표준 용어를 이용하여 온톨로지 지식체계를 가지도록 의료영상의 판독 자료를 저장하여, 개념 및 의미로 의료영상을 검색하는 방법들[18, 19]이 활발하게 연구되고 있다
2. 의료영상 정보시스템을 위한 Tool - Stanford ePAD 등
ePAD는 스탠포드 대학교의 Rubin 교수의 연구팀이 개발한 무료로 사용 가능한 정량적 의료영상 정보 platform이다 [20,21]. ePAD는 다양한 의료영상 기반의 프로젝트로부터 얻 은 영상 정보를 구조적인 형태로 저장하여 각종 의생명 과학 연구의 결과를 환자 맞춤형 치료에 적용할 수 있는 기능을 제 공한다. 온라인으로 부터 얻을 수 있는 많은 유전자 정보로부 터 영상의학 분야에 도움이 되는 정보를 얻을 수도 있으며, 생
그림 2. SPARQL 쿼리의 예
리학 또는 분자 데이터와 같은 의료 데이터와 영상 특징값과의 관계를 분석할 수도 있다.
결 론
저자들은 대량의 의료 영상 데이터로부터 유용한 임상 정보 를 추출해낸 근래의 NLST와 같은 의료 영상 임상시험 및 이 러한 의료 영상 정보와 시맨틱 웹을 결합한 최근의 연구 결과 및 향후 전망 등에 대하여 알아보았다.
Acknowledgement
본 연구를 위하여 기술적인 도움을 주신 분들께 감사를 드립 니다.
참 고 문 헌
1. National Lung Screening Trial Research Team, The National Lung Screening Trial: Overview and Study Design. Radiology.
2010;258:243-253.
2. Aberle DR, Adams AM, Berg CD, et al.. National Lung Screening Trial Research Team. Reduced lung-cancer mortali- ty with low-dose computed tomographic screening. N Engl J Med. 2011;365(5):395-409.
3. Jacobson FL, Austin JH, Field JK, Jett JR, Keshavjee S, MacMahon H, et al. Development of The American Association for Thoracic Surgery guidelines for low-dose com- puted tomography scans to screen for lung cancer in North America: recommendations of The American Association for Thoracic Surgery Task Force for Lung Cancer Screening and Surveillance. J Thorac Cardiovasc Surg 2012;144:25-32..
4. Infante M, Cavuto S, Lutman FR, Brambilla G, Chiesa G, Ceresoli G, et al; DANTE Study Group. A randomized study of
lung cancer screening with spiral computed tomography:
three-year results from the DANTE trial. Am J Respir Crit Care Med 2009;180:445-53.
5. Pastorino U, Rossi M, Rosato V, Marchiano A, Sverzellati N, Morosi C, et al. Annual or biennial CT screening versus obser- vation in heavy smokers: 5-year results of the MILD trial. Eur J Cancer Prev 2012;21:308-15.
6. Saghir Z, Dirksen A, Ashraf H, Bach KS, Brodersen J, Clementsen PF, et al. CT screening for lung cancer brings for- ward early disease. The randomised Danish Lung Cancer Screening Trial: status after five annual screening rounds with low-dose CT. Thorax 2012;67:296-301. online educational ma- terials. Erratum in Radiographics. 2007:27;62.
7. IASLC (International Association Study for Lung Cancer).
http://iaslc.org/assets/IASLC-CT-screening-statement-Korean.pdf.
2011.
8. American College of Radiology. Lung CT screening reporting and data system (Lung-RADS) [Internet]. Reston: American College of Radiology; 2014 [cited 2015 May 19]. Available from:
http://www.acr.org/Quality-Safety/Resources/LungRADS.
9. Patz EF, Jr, Caporaso NE, Dubinett SM, et al., NLST ACRIN Biomarker Repository Originating from the Contemporary Screening for the Detection of Lung Cancer Trial (NLST, ACRIN 6654): Design, Intent, and Availability of Specimens for Validation of Lung Cancer Biomarkers. J Thorac Oncol 2010;5(10):1502-1506.
10. Berners-Lee T, Hendler J and Lassila O, “The semantic web,”
Scientific American, vol.284, no.5, pp.34-43, 2001.
11. Uschold M and Gruninger M, “Ontologies: Principles, Methods and Applications,”Knowledge Engineering Review, vol.11, no.2, pp.1-69, 1996.
12. Kahn CE, Channin DS and Rubin DL, “An ontology for pacs integration,”J Digital Imaging, vol.19, no.4, pp.316?327, 2006.
13. Rubin DL, “Creating and curating a terminology for radiology:
Ontology modeling and analysis,”J Digital Imaging, vol.12, no.4, pp.920?927, 2007.
14. SPARQL Query Language for RDF, http://www.w3.org/TR/
rdf-sparql-query, 2006.
15. Prud’hommeaux E, Seaborne A, SPARQL query language for RDF. W3C Recommendation, Available at http://www.w3.
org/TR/rdf-sparql-query/, 2008.
16. Uschold M and Gruninger M, “Ontologies: Principles, Methods and Applications,”Knowledge Engineering Review, vol.11, no.2, pp.1-69, 1996.
17. Berners-Lee T, Hendler J and Lassila O, “The semantic web,”
Scientific American, vol.284, no.5, pp.34-43, 2001.
18. Kahn CE, Channin DS and Rubin DL, “An ontology for pacs integration,”J Digital Imaging, vol.19, no.4, pp.316?327, 2006.
19. Rubin DL, “Creating and curating a terminology for radiology:
Ontology modeling and analysis,”J Digital Imaging, vol.12, no.4, pp.920?927, 2007.
20. Rubin D, Rodriguez C, Shah P and Beaulieu C, “iPad:
Semantic Annotation and Markup of Radiological Images,”in Proc. AMIA Ann Symp, Washington DC. 2008, pp.626-630.
21. Abajian AC, Levy M, Rubin RL. Improving Clinical Work Flow through an AIM Database: A Sample Web-based Lesion Tracking Application. Radiographics. 2012;32:1543-1552.
그림 3. ePAD Platform
대한의학영상정보학회지 2015;21:1-5
=초 록=
근래에 의료 영상 검사의 증가로 인하여 데이터의 분석으로부터 얻어지는 결과의 유용성이 부각되고 있다. 최근 에는 NLST와 같은 의료 영상을 이용한 대규모 연구가 진행되어 결과가 발표됨으로써 진료상황에서의 임상의사 결정에 매우 유용한 지침이나 도움을 주고 있다. 또한, 이러한 대량의 의료 영상 정보와 시맨틱 웹 기술을 결합하 여 임상 의사 결정에 이용하려는 연구가 진행되고 있다. 저자들은 이와 같은 대량의 의료영상 데이터를 얻게 되 는 연구 및 연구로부터 얻어진 데이터로부터 임상의사결정에 이용되는 사례를 살펴보았다.
