| 초록 |
□연구개요 • 고품질의 뇌종양 데이터베이스 확보를 위한 플랫폼 구축: 3차원 컨볼루션 신경망(convolution neural network, CNN)을 이용한 자동 정합 및 자동 분할 기법 개발 • 뇌종양의 radiogenomics 기반 구축: 다중 파라미터/다중 병변 자기공명영상의 radiomics 정보 추출 및 radiomics와 차세대 염기서열분석을 통한 방대한 genomics 정보 분석을 위한 기계학습 • 다중 파라미터/다중 병변 자기공명영상을 이용하여 주요 분자 유전학 마커를 예측하기 위한 딥러닝 알고리즘 개발 및 검증 □연구 목표대비 연구결과 • 뇌 교종의 데이터베이스 구축 수술 전 뇌 교종 환자 약 1000명의 명단 및 임상정보, 병리 조직, 차세대 염기서열 분석(next generation sequencing, NGS) 검사 결과 확보하여 데이터베이스를 구축 • Deep learning을 이용한 종양 자동 분할 기법 개발 • Radiomics 정보 추출 및 분석 시스템 개발 여러 단계의 전처리 과정을 python을 이용하여 한번에 수행할 수 있도록 pipeline 구축함. • 기계학습을 이용한 radiogenomics: 다중 파라미터 radiomics 정보를 이용한 molecular marker 예측, 종양 치료 반응 및 예후 예측 모델 개발 • 다중 파라미터 영상을 이용한 분자 유전학 마커 예측 딥러닝 알고리즘 개발 Convolutional neural network를 이용한 classification 학습: 뇌전이암과 교모세포종 감별, 폐암의 뇌전이암에서 EGFR mutation 예측, 저등급 뇌교종 환자에서 IDH mutation 예측을 위한 딥러닝 알고리즘 개발 □연구개발결과의 중요성 • Radiogenomics의 기반 구축을 통해 radiomics 정보와 차세대 염기서열분석으로 얻은 방대한 유전 정보의 상관관계를 이해하고, 비침습적 영상 정보를 이용해 시간적, 공간적 이질성을 가지는 종양 전체의 특성을 평가하여 진단과 치료영역에서 폭넓게 활용 가능 • 분자 유전학 마커에 따른 표적치료제(targeting agent)사용이 증가함에 따라 치료 전 분자 유전학 마커를 이용하여 환자에게 적정한 치료를 제시하고, 치료 후 추적관찰 영상에서 정확한 치료 반응 평가를 가능하게 하여 정밀 의료를 구현함 • 종양 자동 분할 기술 개발을 통해 다량의 고품질 데이터베이스 구축을 가능하게 하며 평가자 간에 생기는 변이도를 최소화할 수 있어서 보다 정확한 종양 반응평가 및 영상 바이오마커의 실용화에 도움이 되고 뇌종양뿐만 아니라 다른 장기 및 종양에서도 적용시킬 수 있는 기반 마련 (출처 : 요 약 문 2p) |
