서론: 본 연구는 딥러닝 기술을 활용하여 CT 상에서의 간질성 폐질환 소견을 정량화하고, 영상의학적 영역에서의 진행성 섬유성 간질성 폐질환 진단에 어떤 가치가 있는지 평가하고자 한다.
방법: 2015년 1월부터 2021년 6월까지 총 468명의 간질성 폐질환(interstitial lung disease, ILD) 환자가 연구에 포함되었고, 상용화된 딥러닝 기반 텍스처 분석 소프트웨어(AVIEW Lung Texture 버전 1.1.43.7, Coreline Soft)를 사용하여 해당 468명의 환자의 초기 및 추적 CT에서의 망상 음영, 간유리 음영, 벌집 모양의 범위를 정량화하였다. 본 연구에서는 "섬유화 범위"를 망상 음영과 벌집 모양의 합으로 정의하였으며, "전체 간질성 폐질환 범위"는 망상 음영, 간유리 음영, 벌집 모양의 합으로 정의하였다. 환자군을 현재 진행성 섬유성 간질성 폐질환 (progressive fibrosing ILD, PF-ILD)의 진단 기준인 강제폐활량 (% 예측치)의 절대 감소 5%, 10% 기준으로 나누고 이 세 개의 강제폐활량 군에 따라 초기 및 추적 CT 영상 사이의 간질성 폐질환 정량화 값 변화를 Kruskal-Wallis 검정을 사용하여 비교하였다. 또한 다변량 콕스 비례위험 회귀 분석을 수행하여 딥러닝 기반 CT 정량화 결과의 진행성 섬유성 간질성 폐질환에 대한 예후 예측의 가치를 평가하고 각 모델의 C-인덱스를 계산하였다. P 값은 0.05 미만인 것을 통계적으로 유의하다고 설정하였다.
결과: 이 연구에는 총 468명의 환자 (남성 239명, 여성 229명; 64 ± 9.5세)가 포함되었다. 강제폐활량의 절대 감소치에 따라 세 군으로 나눈 결과, 각각의 정량화 된 간질성 폐질환 소견과 섬유화 범위 및 전체 간질성 폐질환 범위가 각 군에서 유의하게 다르며, 강제폐활량이 크게 감소한 군에서 CT 정량화 값이 유의하게 증가하였다 (모든 P 값 <.001). 모든 사망 원인에 대한 콕스 회귀 분석 결과 나이, 성별 및 초기 강제폐활량 (% 예측치), 강제폐활량 절대 감소 5% 이상을 보정하였을 때, 망상 음영 증가, 벌집 모양, 섬유화 범위 또는 전체 간질성 폐질환 범위는 통계적으로 유의한 예후 인자였다. 그러나 간질성 폐질환 진행에 대한 시각적 평가 또는 간유리 음영 증가는 강제폐활량 감소 5% 이상인 경우를 보정하였을 때 통계적으로 유의하지 않았다. 강제폐활량 절대 감소가 10% 이상인 경우를 보정하였을 때, 간질성 폐질환 진행에 대한 시각적 평가 및 각 간질성 폐질환 소견의 증가, 섬유화 범위 및 전체 간질성 폐질환 범위 모두 예후 인자로 유의미하였다. C-인덱스를 계산하였을 때, 강제폐활량 5% 이상 감소, 나이, 성별, 초기 강제폐활량 (% 예측치)를 포함하는 기준 모델(C-인덱스 0.772)과 비교하여 CT상 전체 간질성 폐질환 범위를 추가한 모델이 유의하게 C-인덱스가 증가하였다(0.795, P=.036). 강제폐활량 10% 이상 감소 모델 (C-인덱스 0.755)의 경우, CT상 섬유화 범위 또는 전체 간질성 폐질환 범위를 추가하였을 때 C-인덱스가 유의하게 증가하였다 (각각 0.785, P=.019 및 0.787, P=.011).
결론: 진행성 섬유성 간질성 폐질환 진단 기준인 강제폐활량 감소 10% 및 5%를 기준에 따라 환자군을 나누었을 때, 강제폐활량 감소가 큰 군에서 딥러닝 기술을 활용한 간질성 폐질환 CT 정량화 값이 유의하게 증가하였고 또한 CT 정량화 값들이 간질성 폐질환의 예후에 독립적인 예측 인자임을 확인하였다.