이 논문은 최근에 발표된 논문으로, 심장 자기공명 영상에서 세포외 공간 비율 및 원형 T1을 자동 측정하는 방법을 제안한다. 이 연구는 상용 딥러닝 알고리즘을 사용하여 심장 자기공명 영상에서 세포외 공간 비율과 원형 T1 값을 추정하였다. 이를 통해, 해당 알고리즘은 인간의 판독보다 더 정확하고 일관성 있는 결과를 제공한다는 것을 입증하였다. 이러한 자동화된 측정 방법은 빠르고 정확한 진단을 가능케 하며, 심장질환 환자들의 치료에 대한 예후 예측 및 추적에 큰 도움을 줄 것으로 기대된다.

한국인 대상 표준화된 정상범위 데이터 구축으로 다기관 호환 기대 심장MRI 이용해 빅데이터 기반의 정확한 진단 가능해 심근경색, 비후성심근병증과 같은 심장근육 질환의 진단과 치료, 예후 예측을 위해서는 심근의 섬유화 정도와 심근병 조직의 특징을 진단하는 것이 중요하다. 진단을 위해 심장근육의 해부조직학적 구조를 파악할 수 있는 심장MRI T1지도영상에서 심근 이상 조직의 특성인 T1 이완시간과 심근세포가 파괴되고 남은 공간의 크기(세포외부피비율)를 측정한다. 하지만 의료기관에 따라 MRI 촬영 장비와 영상 촬영 방법이 동일하지 않아 측정값이 달라져 의료기관 간 데이터를 비교할 수 없고, 이로 인해 진료를 위한 정상범위 데이터를 기관마다 따로 관리해야 하는 어려움이 있다. 최병욱 교수는 "심장MRI의 측정값을 효율적으로 표준화할 수 있게 돼 기관마다 질환군 진단을 위해 공통데이터를 적용할 수 있게 됐다"면서 "MRI 장비와 영상 촬영 방법이 다른 기관과도 데이터 호환 및 비교가 가능해짐으로써 대규모 다기관 임상시험의 기반을 마련했고, 심장MRI를 이용한 빅데이터 기반의 정확한 진단이 가능해졌다"고 말했다. 이번 연구는 한국연구재단 바이오의료기술개발사업과 중소기업벤처부 BIG3 창업사업화지원 사업의 지원과 동국생명과학의 후원을 받아 수행됐으며, 서울대병원 영상의학과 박은아 교수팀, 서울성모병원 영상의학과 정정임 교수팀, ㈜팬토믹스와 함께 진행됐다. 연구 결과는 <유럽영상의학회지(European Radiology, IF 7.034)>최근호에 게재됐다.