2018. 11. 14. ETRI SW콘텐츠연구소 지능로보틱스연구본분 조 현 성 ( chs @ snu.ac.kr ) 심층신경망을 이용한 녹내장 진단 기술 ETRI 기술이전 심의 발표자료 2018. 11. 14. ETRI SW콘텐츠연구소 지능로보틱스연구본분 조 현 성 ( chs @ snu.ac.kr )

목차 1. 서론 2. 연구 방법 3. 연구 결과

녹내장 : 시야 손상을 유발하는 만성적인 시신경 질환 1-1. 연구의 배경과 의의 – 1/3 녹내장 : 시야 손상을 유발하는 만성적인 시신경 질환 비가역적 손상 말기 단계까지 뚜렷한 자각 증상 없음 “조기진단”이 가장 중요 대한민국 녹내장 유병율 100명당 2~4명 (2-4%)

1-1. 연구의 배경과 의의 – 2/3 녹내장은 백내장, 황반변성과 더불어 3대 실명 유발 질환 2013년 기준 40대 이상 성인 중 3.54%(6천4백만명)이 녹내장 환자1 2020년에는 7천6백만명까지 증가할 것으로 추정1 2010년 기준 2백10만명 녹내장으로 실명, 4백 20만명은 시력 손실2 녹내장 환자의 의료비용은 미국에서만 29억 달러3 1 Tham, Y. C., Li, X., Wong, T. Y., Quigley, H. A., Aung, T., & Cheng, C. Y. (2014). Global prevalence of glaucoma and projections of glaucoma burden through 2040: A systematic review and meta-analysis. Ophthalmology, 121(11), 2081–2090. https://doi.org/10.1016/j.ophtha.2014.05.013 2 Bourne, R. R. A., Taylor, H. R., Flaxman, S. R., Keeffe, J., Leasher, J., Naidoo, K., Jonas, J. B. (2016). Number of People Blind or Visually Impaired by Glaucoma Worldwide and in World Regions 1990 – 2010: A Meta-Analysis. PLOS ONE, 11(10), e0162229. https://doi.org/10.1371/journal.pone.0162229 3 Varma, R., Lee, P. P., Goldberg, I., & Kotak, S. (2011). An assessment of the health and economic burdens of glaucoma. American Journal of Ophthalmology, 152(4), 515–522. https://doi.org/10.1016/j.ajo.2011.06.004

1-1. 연구의 배경과 의의 – 3/3 정상인 안저영상 RNFL 결손 안저영상

1-2. 연구의 필요성 기존 녹내장 진단 방법(OCT, CDR, VF)의 문제점 → 초기 녹내장, 특히 시야결손전녹내장의 검출에는 한계가 있음 → 녹내장의 중증도를 자동으로 등급화 하지 못함 단층촬영기 (OCT) 안저촬영기 (Fundus Scope) 시야각측정기 (Visual Field) 단층촬영 접근법 CDR 접근법 시야검사 접근법

1-3. 연구의 목표 안저영상을 바탕으로 녹내장 진단 및 중증도 등급화를 위한 딥러닝 모델 개발 판독 모델 성능 목표 : 안저영상을 바탕으로 녹내장 진단 및 중증도 등급화를 위한 딥러닝 모델 개발 판독 모델 성능 목표 : → 2등급 분류 : AUC: 0.95 / Sensitivity: 90.0% / Specificity: 91.7% 중증 녹내장 정상 초기 딥러닝 모델 안저영상 녹내장 진단 및 중증도 등급화

2-1. 안저영상 DB 구축 대상 안저영상: 동공 확장 없이 안저카메라 (Nonmyd 7, Kowa Optimed, Tokyo, Japan)를 사용하여 촬영한 컬러 영상 녹내장 기준: 안압 수준에 상관없이 신뢰할 수 있는 시야(Visual Field) 검사와 녹내장성 시신경 박리의 존재에 의해 확인한 녹내장성 결손이 있는 안저영상 만을 녹내장으로 레이블링 신뢰할만한 시야검사: 고정손실이 20% 미만이고, 위양성이 33% 미만인 경우로 정의 상기 기준으로 녹내장 전문의 4명이 안저영상과 시야검사 결과를 병행하여 녹내장 등급을 결정 (필요에 따라 OCT 검사 결과 일부 사용) 시야결손전녹내장과 정상으로 결정된 데이터는 녹내장전문의의 교차검증을 통해 100% 의견 일치가 이루진 것만 포함 고도근시, 촬영 품질이 나쁜 데이터는 제외

2-1. 안저영상 DB 구축 기준 등급 코드 시야검사 기준값 비고 정상 NN 0.0 <= MD 녹내장 전기 G0 시야검사는 정상이나 안저영상 과 OCT 판독에서 RNFL 결손 이 보이는 경우 녹내장 초기 G1 -6.0 < MD < 0.0 녹내장 중기 G2 -12.0 < MD <= -6.0 녹내장 말기 G3 MD <= -12.0 ※ MD: 험프리 시야검사 결과의 Mean Deviation

2-3. 안저영상 DB 구축 결과 # of Patients: 1,899명 # of Images: 3,372장

3-1. 모델 평가 방법 De facto Standard 기계학습 모델 평가 방법 적용 (10-Fold Cross Validation) 검증용(성능평가용) 데이터는 10% 임의 추출 (10회 반복) 학습용 데이터는 검증용 데이터 불포함 학습 과정에서 Class(정상-녹내장) 분포 비율은 50:50 적용 검증 데이터 셋의 Class(정상-녹내장) 분포 비율 50:50 적용 평가지표: AUROC, 정확도, 민감도, 특이도 사용

3-2. 모델 평가 결과 기준 모델 ROC Curve 개별 모델 ROC Curve 기준모델 ETRI 모델 AUROC 0.936 0.933 Accuracy 87.6% 88.6% Sensitivity 86.8% 87.1% Specificity 88.4% 88.7%

3-3. 모델 평가 결과 기준 모델과 비교할 때, 앙상블 전략을 사용한 결과가 모든 평가척도(AUROC, 민감도, 특이도, 정확도)에서 평균/최대/최소/분산 모두 우수한 결과를 보였음

4-2. 활용방안 안저 촬영기 녹내장 진단 딥러닝 모델을 탑재한 안저 촬영 의료기기 정상 녹내장 녹내장 진단 딥러닝 모델

4-3. 기대효과 의료 비용 절감 新기술 적용 의료기 시장 창출 환자별 맞춤형 사회적 손실비용 최소화 의료 서비스 제공 녹내장 조기 검진에 따른 건강보험비용 절감 ※ 녹내장 조기 발견으로 연간 450억원 정도의 건강보험 의료비용 절감 (건강보험공단 녹내장수술산정비용 X 연간녹내장발병환자수에 근거한 추정치) 의료 비용 절감 녹내장 조기검진을 지원하는 심층신경망 기술을 탑재한 안저촬영기 제품 출시 ※ 전세계 의료기기 시장은 4,545억달러 규모로 확대(`18년) 예상 (Espicom(2015), The World Medical Markets Factbook 2015) 新기술 적용 의료기 시장 창출 정상 녹내장 녹내장 조기 발견시 시력상실 위험 95% 감소 ※ 미국의 경우 실명에 의한 비용 손실은 연간 35억달러 추정 ( ‘ 06년 美국립보건원 통계 자료) 사회적 손실비용 최소화 안과 전문의의 판독 시간 단축, 판독 오류 예방, 환자 맞춤형 정밀치료 가능 환자별 맞춤형 의료 서비스 제공