팝업레이어 알림

Radiology Digest

본문 바로가기
사이트 내 전체검색

메인비주얼01 메인비주얼02 메인비주얼03



최신글

HOT ISSUE > more

심혈관영상의학 영역에서의 인공지능

심혈관영상의학 영역에서의 인공지능

경북의대 경북대병원 영상의학과 이종민 교수

인공지능(artificial intelligence)이란 “인간이 수행하였다면 지능이 필요했을 일을 기계가 할 수 있게 하는 연구”라고 1968년 Minsky가 정의하였다. 현재는 막연한 개념으로부터 발전하여 2019년 파리에서 개최된 경제협력개발기구(Organization for Economic Cooperation and Development, OECD) 인공지능 위원회에서 “주어진 특정한 목표에 대해 예측, 권고, 결정을 할 수 있는 기계 기반 시스템”으로 정의되었다. 현재는 인간능력을 초월 또는 보완할 필요가 있는 많은 영역에 인공지능이 적극적으로 적용되고 있고, 이 중 대표적인 분야가 의료영역이다. 특히 컴퓨터 프로그램으로 구성된 인공지능이 적용되기 쉬운 디지털 환경인 의료영상 분야가 활발한 영역이다. 이미 주변에는 많은 의료관련 인공지능 기기가 존재하는데, 한국식품의약품안전처(식약처)에서는 2022년 기준 139개의 인공지능 의료기기가 허가되었고 미국식품의약품안전처(FDA)에는 521개가 등록되었다. 의료영상 분야 중에서도 특히 고전적 육안형태학적 분석 범위를 벗어나는 심혈관계 영상에 다양한 인공지능이 적용되고 있으며 이미 상업화되어 판매되는 시스템들도 존재한다. 최근 관심이 과집중(overhype)되고 있는 의료용 인공지능의 현주소와 고려요소들을 심혈관 영상의학 관점에서 논의해 보고자 한다. 인공지능의 기술적 측면  의료영상에서 인공지능 발전의 전단계는 라디오믹스(radiomics) 기술로 볼 수 있다. 고 식적 영상판독은 판독자의 육안으로 관찰하는 형태적 이상을 정성적으로 기술하거나 단순한 1차원(길이), 2차원(각도, 면적) 지표 및 밝기 지표 측정을 통한 정량분석 수준이었다. 이에 더해 영상의 형태를 구성하는 화적소의 개별 특성을 직접 고려하여 인간이 수동측정하기 어 려운 특징(feature)까지 측정하는 기술이 라디오믹스라 할 수 있다. 이로써 강도기반분석, 질감기반분석, 고차원적 형태기반분석(프랙탈 차원 등), 변환(transform) 기반분석 (Fourier, Gabor, Wavelet 변환 등) 등의 고차원 분석이 가능해졌으며 그 유용성이 보고 되기도 하였다. 라디오믹스는 원칙기반 분석과정(rule-based algorithm)을 인간이 설계 하고 시스템이 수행하는 형태이다. 반면 인공지능인 기계학습(machine learning, ML)은 주어진 데이터에서 분석과 관련 된 원칙과 형태(feature)를 자가학습하고 분석을 수행하는 특성을 가진다. ML 중 신경망(neural network)은 입력, 출력 및 연산층(hidden layer)으로 구성되며, 연산층의 수행 과정은 확인하기 어려운 암실(black box) 특징을 가진다. 이러한 연산층이 무수히 자동설 계되는 기술을 딥러닝(deep learning)이라 하고 대표적인 기술이 CNN (convolutional neural network)이다. CNN은 1986년 Geoffrey Hinton에 의해 발표되었고, 이로 인 해 그는 2024년 노벨물리학상을 수상하게 되었다. 그는 2016년 세미나에서 5년 이내에 인 공지능이 영상의학과 의사를 능가하게 될 것이며 영상의학과 의사들은 깊이를 모르는 절벽 너머로 이미 발을 내디딘 코요테와 같은 존재라고 언급하면서 당장 영상의학 수련을 중지해 야 한다고 주장하였다(그림 1). 이 여파로 국내 영상의학 지원자가 주춤하는 기현상이 발생 하기도 하였다. 이후 CNN을 기반으로 한 다양한 연구들을 통하여 의료영상 영역의 인공지 능도 발전하게 되었다. 또한 인공지능 제품개발에 필수적인 질환별 공유데이터베이스 구축 작업도 활발히 진행되고 있다.  CNN의 발전에 더해 부각되는 기술은 자연어 처리(natural language processing, NLP) 기술이다. 이를 기반으로 인공지능은 자연어 형태의 데이터를 분석대상으로 수용할 수 있게 되었고 분석결과의 출력도 자연어 형태로 가능하게 되어 일반 대중들도 쉽게 접근할 수 있게 되었다. 이러한 인공지능 모델을 생성형(generative) 인공지능이라 하고 대표적인 사례가 ChatGPT 4.0이며 2023년 미국의사시험(USMLE)에서 90%의 정답률을 기록하 기도 하였다. 인공지능의 특성상 특정 대상군을 상대로 특정 목적의 분석을 진행할 수밖에 없으므로 영 상기법별, 목표질환별 인공지능 프로그램이 각각 개발되고 검증되어야 하는 한계가 존재한 다. 아직은 영상기법과 목표질환을 특정하지 않아도 분석할 수 있는 포괄적 인공지능시스템 은 개발되지 않았다. 그러나 의료영상 분야에서 인공지능은 보편적으로 이상소견의 검출 (detection), 구조물 분할(segmentation), 질병별 분류(classification)의 영역에서 개발되고 적용된다.  단순흉부촬영에서의 인공지능 적용  단순흉부촬영 영상에서 심혈관계 정보는 극히 제한적이다. 심장음영 및 실루엣을 주로 파 악하게 되므로 수련 받지 못한 초심자에게는 판독에 어려움이 있다. 반면 의료현장에서 모든 의사들이 공통적으로 마주해야 하는 영상이며 이어지는 추가 진료행위 및 영상검사에 영향을 미치기도 하므로 판독에 대한 스트레스가 적지 않은 영상이다. 단순흉부촬영 영상에서 비교 적 신뢰도 높은 심장관련 평가지표는 심흉곽비율(cardiothoracic ratio, C/T ratio)이다. 이는 심비대를 파악하기 위한 1차원적 정량지표일 뿐이나 임상현장에서 고전적이고 보편적 으로 활용되고 있다. 이미 식약처에 등록된 심비대 자동검출 시스템(Lunit INSIGHT CXR, Lunit)이 출시되 어 있다(그림 2). 2020년 Matsumoto 등은 638개의 흉부영상을 이용하여 심부전 자동검 출 인공지능 알고리즘을 개발하였으며 82%의 정확도를 보고하였다. 2020년 Toba 등은 선천성심장병을 가지는 657개 흉부영상에서 폐동맥/대동맥 혈류비(Qp/Qs)를 예측하는 알 고리즘을 개발하였으며 전문가보다 유의하게 높은 ROC 곡선하면적(AUC 0.88)을 보고하 였다. 2024년 Busch 등은 흉부영상에서 심장이식형 전자기기(심박동기, 제세동기, 재동 기화기기, 심전도 모니터기 등)의 제조사와 제품명을 확인할 수 있는 알고리즘을 개발하였으 며, 94.36%와 84.21%의 정확도를 보였다.  심장 CT에서의 인공지능 적용  2023년 Aromiwura 등은 심장 CT 촬영 및 분석과정에서 인공지능은 워크플로우 최적 화, 촬영스케줄 구성, 유관자원 분배, 검사프로토콜 생성, 판독순서 정렬, 워크리스트 작성, 판독문 작성, 판독문 전달 등의 과정에서 그 역할이 기대되나 일반환경에서 신뢰성을 가 지는 인공지능시스템이 필요하다고 보고하였다. 심장 CT에서는 복잡하고 작은 구조물들의 확인이 필수적이므로 영상 분할 능력이 더 요구된다. 2021년 Choi 등은 CNN을 기반으로 관상동맥 검출 알고리즘을 개발하였으며 최대협착 정도 평가에서 90.9%의 정확도로 전문 가의 판독과 일치함을 보고하였다. 심장 CT 영상에서 가장 초기부터 시작되어 기본적으로 활용되는 지표가 관상동맥칼슘점 수(coronary artery calcium score, CACS)이다. 현재에도 다양한 분석 프로그램이 심장분석용 워크스테이션에 기본적으로 장착되어 있으며, CACS 측정에 많은 시간과 노력 이 투입되지 않고 조영증강도 불필요하므로 임상현장에서 보편적으로 활용된다. 그러나 CACS 측정 완전자동화에 대한 요구로 인하여 다양한 인공지능 프로그램들이 개발되었다. 최근에는 심전도 동기화 없이 촬영한 다양한 목적의 흉부 CT에서도 CACS를 측정하는 기 능이 추가되고 있다. 2020년 van Velzen 등은 심장 CT뿐만 아니라 심전도 비동기 흉부 CT를 포함하여 7,240명을 대상으로 CACS 자동화 알고리즘을 개발하였으며, 수동측정 기준 0.79-0.97의 상관계수를 보고하였다. 국내에는 이미 자동화된 심장 CT용 인공지능 시스템이 출시되어 이용되고 있다(aview CAC, Coreline Soft) (그림 3). 관상동맥 CT에서 중등도(moderate degree) 협착을 보이는 경우 영상의학적, 임상적 판단이 애매할 수 있다. 심장 CT는 중등도 이상의 협착에 대한 민감도와 음성예측도가 높으 므로 선별검사에 유용하다. 반면 심장 CT의 특이도와 양성예측도는 상대적으로 낮아 유의 한 협착에 있어 과판독(over-reading) 경향을 보인다. 이를 극복하기 위해 혈류역학적으 로 유의한 중등도 협착을 검출하기 위한 다양한 노력들이 진행되었는데, 대표적인 지표가 비 침습적 분획혈류예비능(fractional flow reserve, FFR)이다. 고전적으로 CT 기반 FFR 은 전산유체역학(computed fluid dynamics, CFD) 방법으로 수행하였으므로 분석 시 간이 오래 걸려 보편화에 한계가 있었다. 최근 인공지능을 이용한 CT 기반 FFR이 연구되고 출시되어 임상현장에서의 활용도가 증가하였다. 2016년 Itu 등은 12,000개의 관상동맥을 대상으로 인공지능 FFR을 측정하였으며 CFD FFR과 0.9994의 상관계수를 도출하였는 데, 측정시간은 196.4초에서 2.4초로 단축하였다. 또한 침습적 FFR과 비교하여 83.2% 의 정확도를 보고하였다. 2024년 Nurmohamed 등은 최근 개발된 인공지능기반 정량적 관상동맥 CT 조영술(artificial intelligence-guided quantitative coronary CT angiography, AI-QCT) 기법을 이용하여 허혈유발 관상동맥을 검출하고 주요심장사건 (major adverse cardiovascular events, MACE)을 예측하는 능력을 기존의 검사법 들과 비교하였다. AI-QCT가 인공지능기반 FFR, 심근관류검사, PET 등과 비교하여 AUC가 0.85로 유의하게 높음을 보고하였다. 관상동맥 CT가 침습적 관상동맥조영술보다 우위에 있는 기능은 동맥벽의 정보를 파악할 수 있는 것이다. 즉 관상동맥 죽상경화반의 특성분석을 통하여 취약경화반을 파악할 수 있 다. 이러한 분석과정은 현재 반자동 프로그램으로 수행되므로 임상현장에서 꼭 필요한 경우 로 사용이 제한된다. 인공지능기반 경화반 분석은 자동화된 기본 정보를 추가함으로써 관상 동맥 CT의 효용성을 높일 수 있다. Nurmohamed 등은 상기 보고와 동일한 편에서 AI-QCT를 이용한 경화반 부하(plaque burden) 분석 결과를 보고하였는데, 기존의 수동 측정에 비해 추가적인 유용성이 제시되었다. 2024년 Koo 등은 경화반의 다양한 특성을 포 괄적으로 분석하고 FFR도 동시에 측정할 수 있는 인공지능기반 정량적 관상동맥 경화반 및 혈류역학 분석 시스템(artificial intelligence-enabled quantitative coronary plaque and hemodynamic analysis, AI-QCPHA)을 이용하여 MACE 예측 가능성 (predictability)을 유의하게 높일 수 있었다. 이외에도 심장 CT에서 대동맥판 협착의 치료 전 측정, 심외막(epicardial) 지방용적 측 정, 혈관주변 지방조직의 정량적 측정, 심방세동 발생의 예측 등을 자동화할 수 있는 인공지능 프로그램들이 개발 및 적용되고 검증되어 그 유용성이 보고되고 있다.     심장 MRI에서의 인공지능 적용 심장 MRI에서의 인공지능 연구는 화질의 개선, 촬영 자동화, 영상재구성 (reconstruction), 영상분석 등의 분야에서 활발히 진행되고 있다. 화질의 개선은 잡음감 소(denoising), 영상증강(image enhancement) 등을 통하여 진행된다. 영상분석에서 는 분할 및 심근특성화(myocardial characterization)를 자동화하는 연구가 활발하다. 다양한 심근증에서 심근 내 조직변화를 관찰할 수 있는 독보적인 기법이 MRI이므로 심근 병변 분석에 보편적으로 활용된다. 특히 지연조영증강은 심근손상 부위를 잘 반영하므로 심 근경색으로 인한 대체섬유증(replacement fibrosis)이나 비허헐성심근증 등으로 인한 간 질섬유증(interstitial fibrosis)을 확인하는데 이용된다. 이러한 섬유증은 전체심근용적에 대한 용적비로 주로 표현되는데, 측정자 및 측정방법 간의 오차가 큰 것이 현재의 한계이다. 인공지능을 이용하여 재현성 있는 지연조영증강 정량측정이 시도되고 있다. 2021년 Fahmy 등은 U-Net이라는 인공지능을 이용하여 지연조영증강 정량측정을 자동화하였다. 심근경색의 진단과 관련하여 2019년 Zhang 등은 비조영증강 영화(cine) MRI에서 만성 심근경색 부위를 확인하는 인공지능 알고리즘을 개발하고 그 유용성을 보고하였다. 심장 MRI는 심근관류의 정량측정에도 유용하다. 그러나 현재 임상현장에서는 심근관류의 정량측정이 번거로워 제한적으로 이용되고 있다. 2020년 Xue 등은 화적소 단위의 심근관 류량 측정이 가능한 인공지능 알고리즘을 개발하여 수동측정과 유사한 결과를 보고하였다. 또한 심장 MRI는 심실기능 평가의 표준으로 인정되고 있다. 현재의 분석프로그램은 반자동 화되어 있어 수동개입이 필수적이며 이로 인하여 분석가의 노력과 시간이 많이 투입되는 분 야이다. 이미 인공지능이 상당부분 적용되고 있으나 완전자동화와는 거리가 있다. 2019년 Tao 등은 400명의 심장 MRI를 이용하여 자동화된 인공지능기반 심장기능분석 알고리즘을 개발하였고, 수동측정과 0.98의 상관계수를 보고하였다. 이외에도 다수의 인공지능 연구들이 심장 MRI 분야에서 보고되고 있다. 치료된 팔로네증 후(tetralogy of Fallot, TOF) 및 폰탄 수술 환자의 추적 및 예후예측에 인공지능이 이용되 어 좋은 결과를 보고하기도 하였으며, 소아환자에서의 심근증 분석에 이용되기도 하였다. 국 내에는 심장 MRI의 포괄적 분석시스템이 인공지능기반으로 개발되어 출시되어 있다 (Myomics, Phantomics) (그림 4).   인공지능 기법의 유효성 및 안전성 인공지능 제품 개발의 관점에서는 정확도와 정밀도의 확보가 필수적이다. 정확도와 정밀 도는 의료기기로 인정받는 기반이기 때문이다. 그러나 의료기기로 인허가를 받기 위해서는 임상현장에서의 유효성과 안전성이 인정되어야 한다. 유효성이란 의료서비스에 유익한 효과 를 확실히 제공해야 한다는 것이며 인허가 과정에서는 주로 문헌검색을 통하여 기존 연구결 과를 기반으로 한 증거(evidence) 파악으로 가늠한다. 그러나 의료관련 인공지능은 제한된 환경에서 개발되고 일반환경 적용이 쉽지 않으며 신속히 개발되어 출시되는 경우가 많아 충 분한 증거를 확보하기에는 한계가 있다. 따라서 최근 식약처에서는 혁신의료기기 인허가 채 널이 개설되어 증거수준의 기준을 완화하기도 하였다. 그러나 여전히 임상현장에서는 높은 수준의 유효성과 안전성을 요구하고 있다. 이는 사용자인 의료인 및 의료기관의 윤리적, 법적, 사회적 책임과 밀접하기 때문이다. 심장혈관영상 분야에서 다양한 인공지능기반 분석 기법 및 새로운 지표들이 개발되어 그 임상적 유용성이 보고되고 있으며 더 많은 관련 보고들이 있을 것으로 기대된다. 그러나 아 직은 소규모 대상군을 이용한 인공지능 연구들이 대부분이며 이로 인하여 인공지능의 편향성 에서 자유롭지 못하다. 즉 개발자의 환경을 떠나 일반환경에서는 그 유효성이 인정될 수 있 을지 의문이 많다. 뿐만 아니라 연산층의 진행 내용을 알 수 없는 인공지능 특성상 그 결과를 바로 임상에 적용할 수 있을지에 대한 불안감도 팽배하다. 전문가에 의해 수동적 재검토가 가능하다면 안전성은 인정되지만 이 경우 인공지능을 이용해야 할 필요가 감소한다. 전문가 의 업무 생산성이 인공지능 덕에 향상되기 보다는 재검토에 노력과 시간을 투자할 경우 생산 성이 오히려 감소할 수도 있기 때문이다. 즉 인공지능시스템의 임상적 유효성이 모든 환경에 서 인정되기에는 아직 거리가 있다.     이와 같은 인공지능의 유효성과 안전성에 대한 모호함을 배경으로 2025년 초 심장영상과 관련된 서구 학회들이 연합하여 심장영상 분야 인공지능 기술의 현주소에 대한 분석이 성명 서(statement) 형태로 발표되었다. 1970년대 미항공우주국(NASA)에서 개발한 기술준비 수준(technology readiness level, TRL) 지표를 이용하여 현재까지 연구 및 개발된 심 장영상 관련 인공지능 기기들의 수준을 분류하고 평가하였다. 연구, 개발, 전개의 3단계 수 준과 9단계 TRL 지표를 이용하여 평가하였다. 현재 임상전개가 된 기술은 CACS 측정, 관 상동맥 CT 조영술 재구성, CT기반 FFR, 경화반 분석, 심장 MRI기반 심실기능분석 정도 이며 대부분은 아직 연구단계에 머물고 있음을 확인하였다. 또한 임상전개를 위해서는 일반 환경에서의 유효성에 대한 신중한 평가가 진행되어야 함을 강조하고 있다(그림 5).    인공지능의 윤리적 측면 인공지능 기술은 인간이 도달하기 힘든 수준의 결과도출 또는 인간자원이 소모되는 단순업 무의 자동화를 위해 사용되길 기대한다. 심혈관영상 분야에서도 이러한 희망은 동일하다. 다 만 아직 보편적 임상환경에서의 유효성과 안전성이 확보되지 않은 상황에서 사용희망자들의 불안감은 클 수 밖에 없다. 뿐만 아니라 진료현장에 인공지능이 융합될 경우 고려해야 할 다 양한 측면에서의 재조정에 대한 불확실성이 크다. 이러한 부분에 대한 고찰을 포괄적으로 윤 리적 측면이라 할 수 있다. 윤리적 측면은 인공지능 개발단계에서의 데이터 수집, 대상자의 사생활 보호, 개발 및 적 용의 형평성, 피검자의 자율성 및 동의, 시스템의 안전성, 보안성, 견고성과 신뢰성, 시스템 작동의 투명성, 설명가능성과 해석가능성, 인공지능 기술의 책무성과 책임성, 인공지능 기 술의 지속가능성과 의료서비스 성장 기여도, 의사-환자 관계, 대중의 신뢰 등 매우 다양한 분야가 포함되어 있다. 국내에서는 2020년 관계부처 합동으로 ‘인공지능 윤리 기준’을 공표한 바 있고, 2022년 에는 국가인권위원회에서 ‘인공지능 개발과 활용에 관한 인권 가이드라인’을 발표하였다. 이 당시의 지침들은 인공지능 기술 개발과 관련하여 피험자의 인권을 보호하는 차원이었다. 같 은 해 유럽의회 연구기구가 발간한 “Artificial Intelligence in Healthcare”는 보건의료 분야 인공지능이 공통적으로 성별과 젠더, 연령, 민족, 지리적 위치, 사회경제적 상태에 따 른 편향을 가질 수 있음을 경고하였고 일반환경에서의 형평성을 강조하였다. 또한 Beauchamp 등의 생명의료윤리 항목들 중 환자의 자율성 존중 측면에서 인공지능 기술의 임상적용 시 피검자 동의가 필요한 것으로 제안되고 있으며 현재 국내 인공지능시스템들도 동의기반으로 활용되고 있다. 2021년 UNESCO의 인공지능 윤리 권고안에 따르면 인공지능 왜곡(hallucination)의 확인 및 예방 기능이 인공지능 개발에 포함되어야 함을 언급하고 있다. 이를 위해서는 투명 성과 설명가능성이 필요하다. 투명성이 결여될 경우 인공지능 알고리즘에 대한 재현 및 평 가, 오류파악, 책임소재, 시스템에 대한 신뢰에 오류가 발생하고, 임상진료에서는 채택이 제한될 수밖에 없을 것이다. 이를 위한 노력으로 의료영상 인공지능의 경우 히트맵(heat map)형태로 출력하여 사후설명가능성(Post-hoc explainability)을 제공하기도 한다. 책무성이란 위해성 결과를 책임질 주체를 명확히 하는 것을 의미한다. 인공지능 기술은 개 발자, 판매자, 구매기관, 사용자, 피검자 등 다양한 법적주체가 관여하게 되므로 책무성이 모호하다. 이러한 모호함으로 인해 현재는 사용자인 의료인이 책임을 지게 될 것이다. 이 경 우 진료서비스에 부정적인 영향이 발생할 수도 있다. 책무성 확립은 관련 주체들뿐만 아니라 사회적, 법적 합의를 기반해야 할 것이다. 또한 인공지능의 합류로 의사-환자 관계의 재구 성이 필요할 수도 있다. 즉 의사-인공지능-환자의 삼각관계가 될 수 있으므로 의사결정 과 정에서 혼돈이 발생할 수 있다. 인공지능에 의존한 환자, 인공지능에 의존한 의사, 의사에 반하는 인공지능과 같은 상황에서 환자-의사 관계를 관리할 수 있는 현명한 고찰이 필요하 다. 또한 많은 영상의학과 의사들은 완전 자동화된 인공지능 프로그램들이 전문가의 지위를 위 협할 수 있을 것으로 불안해하기도 한다. 진료업무상 긴밀한 논의가 필요한 영상판독은 여전 히 임상의-영상의학과 의사의 소통을 필요로 하나 중요도가 떨어지거나 영상의학과 의사가 다 판독하지 못하는 잉여부분은 인공지능 프로그램이 역할을 대체할 수 있을 것이다. 이 경 우 영상의학과 의사는 임상적으로 요구가 큰 영상에 더 많은 시간과 노력을 집중할 수 있어 진료의 품질향상이 가능하다. 그러나 판독 건수, 즉 영상의학적 생산량은 감소되게 되고 이 는 경영의 관점에서 영상의학전문의의 필요성을 경감할 수도 있을 것이다. 인공지능 기술은 분명히 놀라운 속도로 발전할 것이다. 인공지능 기술은 반도체 기술 발전 을 예측한 무어의 법칙보다 7배 이상의 가속도로 발전한다고 하므로 반드시 근 시일 내 인간 이 결과를 검증할 수 있는 한계(특이점, singularity point)를 벗어나게 될 것이다. 이 경우 지금까지의 인공지능 기술을 신뢰할 수 있었으므로 막연히 신뢰하게 될 가능성이 크며, 결국 인공지능에 종속될 수밖에 없을 것이다. 의료영역은 인간의 생명과 관련된 분야이므로 인공 지능 도입은 필수적이며 경계적인 양면성을 가진다. Geoffrey Hinton이 노벨상 수상 후 강조한 인공지능 안전성에 더 많은 관심이 필요하다. 포괄적 관점의 윤리적 측면에 대한 준 비가 늦지 않아야 할 것이다.

회원로그인

PICTORIAL ESSAY > more

비장의 원발성 고형성 질환

비장의 원발성 고형성 질환

서울의대 서울대병원 영상의학과 강효진 교수

서론  비장은 복강 내 가장 큰 림프조직 기관으로 혈류를 통해 침입하는 병원체에 대한 첫 번째 방어선 역할을 한다. 비장 종괴는 흔하지 않지만, 최근 영상 검사에 대한 의존도가 증가함에 따라 무증상 환자에게서 비장 종괴가 우연히 발견되는 경우가 많다. 그러나 진단에 도움을 주는 혈액검사 소견이 없는 경우가 많고, 조직검사로 인한 출혈 위험이 간 등 다른 고형장기에 비해 높아 감별진단과 치료 계획은 영상검사에 의존하게 되는 경우가 많다. 그러나 대부분 양성 질환이고 드물게 발견되며, 병변의 영상의학적 특징이 중복되는 경우가 많아 실제 판독의의 관심은 낮은 편이다. 이번 호에서는 비장의 고형성 질환에 대한 영상소견을 살펴보고 정리하고자 한다. 비장의 고형성 질환별 영상소견1.혈관종(Hemangioma)비장에서 발견되는 가장 흔한 양성 병변으로 대부분 무증상이다. 일반적으로 단일 병변이지만, 다발성 또는 미만성 형태로 나타날 수 있다. 초음파에서 고에코 병변으로 보인다. CT/MRI 검사에서 병변의 변두리에서 시작하는 점진적 조영증강을 보이는 것이 전형적이지만, 많은 경우 동맥기부터 병변 전체에 균일한 조영증강을 보이거나 반대로 지연기까지 저음영 병변으로 남아있기도 한다. MRI T2 강조영상에서 고신호 강도를 보이는 것이 특징적이다(그림 1, 2).  2. 과오종(Hamartoma) 드문 양성 결절성 병변으로 백색속질(white pulp) 없이 적색속질(red pulp)로만 구성되어 있다. 따라서 영상소견 또한 적색속질과 유사한 고혈관성 종괴로 나타난다. 주로 단일 종괴이다. 초음파에서 비교적 경계가 명확한 고에코성 병변으로 보이며 도플러 검사에서 병변 내로 증가된 혈류를 볼 수 있다. 조영증강 전 CT 영상에서는 주변 실질과 유사한 음영을 보여 발견이 어려울 수 있으며, 이 경우 비장의 불룩한 외형 변화가 단서가 될 수 있다. CT/ MRI 검사에서 동맥기 과조영증강이 나타나고, 이후 주변 비장 실질과 유사한 조영증강 형태를 보이며 점진적으로 균일하게 동화되는 양상을 보인다. 일부 병변에서 낭성 변화와 석회화가 동반된다(그림 3, 4).   3. 혈관육종(Angiosarcoma) 매우 드문 질환이나 가장 흔한 비장의 원발성 악성 종양이다. 발견 당시 전이가 있는 경우가 대부분이며, 간으로의 전이가 가장 흔하다. 조직검사 시 과다출혈 위험이 높아 주의해야 한다. 병리학적 특징이 다양하며, 이로 인해 영상소견도 다양하고 비특이적이다. 단일 종괴, 다발성 결절, 미만성 모두 가능하다. 종괴나 결절 형태로 나타날 경우 그 경계가 불분명하며, 간 혈관종처럼 결절형의 조영증강을 보이나 그 형태가 기이한 경우가 많다. 미만성일 경우 경계가 잘 지어지지 않고 비장 전반에 조영증강이 불균일하게(heterogeneous) 나타난다. 출혈 및 괴사가 흔하다(그림 5).  4. SANT (Sclerosing Angiomatoid Nodular Transformation) 매우 드문 양성 병변이다. 경계가 명확한 단일 종괴로 보인다. 병리학적으로 적색속질 기원의 혈관성 결절(angiomatoid nodule)들이 있고 그 사이로 치밀한 섬유성 기질(fibrous stroma)이 있다. 조영증강 시 섬유성 기질 부분이 종괴 중심부를 향하는 방사형 띠 형태로 점진적인 조영증강이 되어 바퀴살 모양(spoke-wheel appearance)을 보이는 것이 특징인 것으로 알려져 있으나 바퀴살 모양이 분명하지 않다고 해서 SANT를 배제할 수는 없다. T2 강조영상에서 섬유성 기질 부분은 고신호강도를 보인다(그림 6, 7).  5. 염증성 가성종양(Inflammatory Pseudotumor, IPT) 전신 여러 부위에서 발생 가능한 반응성 병변이고 비장에서 발생하는 경우는 드문 편이다.  Epstein-Barr 바이러스 감염과 강한 연관성이 있다. 주로 단일 병변으로 발생하며 풍부한 섬유성 기질을 포함한다. 초음파 검사에서 경계가 명확한 저에코 종괴로 보이며, 조영증강 전 영상에서 주변 비장과 비슷한 감쇠를 보여 구분이 안되는 경우가 많다. 조영제 주입 후 점진적인 조영증강을 보이나 주변 실질에 비해 저음영인 경우가 많다. T1 강조영상에서 등신호 또는 저신호로 보이며, T2 강조영상에서 불균일한 신호를 보인다. 석회화를 동반할 수 있다. 6. LCA (Littoral Cell Angioma) 비장 정맥굴(splenic sinus)을 이루는 littoral cell에서 유래한 드문 양성 종양이다. 대부분 다발성 병변으로 발생하고, 초음파 소견이 다양하여 저에코, 등에코, 고에코성 결절 모두 가능하며 개별 병변이 구별되지 않기도 한다. CT 영상소견은 비교적 특징적으로 조영증강 전 영상에서 다발성의 저음영 병변으로 나타난다. 조영제 주입 후 주변 실질보다 약한 조영증강을 보이다가, 지연기에서 비장 실질과 비슷한 정도로 조영증강된다. T2 강조영상에서 세포밀도가 높은 경우 고신호, 헤모시데린이 침착했을 경우 저신호 강도를 보인다. 7. 사코이드증(Sarcoidosis) 전신성 육아종성 질환으로 비장 단독보다는 폐, 종격동, 폐문 림프절 침범에 동반되어 나타난다. 실제 비장에 침범하여도 큰 변화가 없거나 비장비대만 보여 진단이 어려운 경우가 많다. 결절이 동반된 경우 초음파에서 저에코 병변으로 보이나, 결절의 수가 너무 많은 경우 비장 전반에 불균일한 에코를 보일 수 있다. 조영증강 전 CT 영상에서는 병변이 주변 실질과 잘 구분되지 않지만, 조영제 주입 후에는 주변 실질보다 저음영 병변으로 보인다(그림 8).  8. 림프종(Lymphoma) 비장을 침범하는 가장 흔한 악성 종양으로 대부분 다른 장기 림프종이 이차적으로 침범한 경우이다. 원발성 비장 림프종은 전체 림프종의 1% 미만으로 매우 드물다. 비장 침범 소견은 매우 다양하여 비장 비대만 보이는 경우, 미만성 침윤, 작은 다발성 결절, 큰 단일 종괴 모두 가능하다. 초음파 검사에서 매우 낮은 저에코성 병변으로 보이며, 조영증강 전 CT 영상에서 저음영 병변으로 보인다. CT/MRI 검사에서 조영제 주입 후에도 주변 실질보다 저음영 병변으로 보인다. T1 강조영상에서 저신호를 보이고 확산강조영상에서 확산제한을 보이며, FDG-PET에서 높은 신호를 보여 감별이 도움이 된다(그림 9, 10).  맺음말비장은 다양한 원발성 고형성 병변이 발생할 수 있는 기관으로, 대부분의 병변이 양성이지만 일부 악성 질환도 존재한다. 비장의 병변은 비교적 드물지만, 영상의학적 소견을 정확히 이해하는 것이 중요하다. 이를 통해 불필요한 조직검사나 수술을 줄이고, 적절한 치료 계획을 수립할 수 있다. 앞으로도 비장 병변에 대한 영상의학적 연구가 지속적으로 이루어져 감 진단의 정확도가 더욱 향상되기를 기대한다.

RECENT ARTICLE UPDATE

> more

2025 7월 국제학회일정

  • SUN MON TUE WED THU FRI SAT
    1 2 3 4 5
    6 7 8 9 10 11 12
    13 14 15 16 17 18 19
    20 21 22 23 24 25 26
    27 28 29 30 31
  • 일정제목 날짜
    SCCT 2024 (Society of Cardiovascular Computed Tomography) 07/18/2024 ~ 07/21/2024
    SCCT 2024 (Society of Cardiovascular Computed Tomography 07/18/2024 ~ 07/21/2024
    SNIS 2024 (Society of NeuroInterventional Surgery) 07/22/2024 ~ 07/26/2024

2025 8월 국제학회일정

2025 9월 국제학회일정

  • SUN MON TUE WED THU FRI SAT
    1 2 3 4 5 6
    7 8 9 10 11 12 13
    14 15 16 17 18 19 20
    21 22 23 24 25 26 27
    28 29 30
  • 일정제목 날짜
    ASHNR 2024 (American Society of Head and Neck Radiology) 09/04/2024 ~ 09/08/2024
    ASCI 2024 (Asian Society of Cardiovascular Imaging) 09/12/2024 ~ 09/14/2024
    CIRSE 2024 (Cardiovascular and Interventional Radiological Society of Europe) 09/14/2024 ~ 09/18/2024
    ESNR 2024 (European Society of Neuroradiology) 09/18/2024 ~ 09/22/2024
    NASCI 2024 (North American Society for Cardiovascular Imaging) 09/21/2024 ~ 09/24/2024
    ASER 2024 (American Society of Emergency Radiology 09/11/2024 ~ 09/14/2024
    ASHNR 2024 (American Society of Head and Neck Radiology 09/04/2024 ~ 09/09/2024
    ASCI 2024 (Asian Society of Cardiovascular Imaging) 09/12/2024 ~ 09/14/2024
    CIRSE 2024 (Cardiovascular and Interventional Radiological Society of Europe) 09/14/2024 ~ 09/18/2024
    ISS 2024 (International Skeletal Society) 09/15/2024 ~ 09/20/2024
    ESNR 2024 (European Society of Neuroradiology) 09/18/2024 ~ 09/22/2024
    ESUR 2024 (European Society of Urogenital Radiology 09/19/2024 ~ 09/22/2024
    NASCI 2024 (North American Society for Cardiovascular Imaging) 09/21/2024 ~ 09/24/2024
    AOSPR 2024 (Asian and Oceanic Society for Pediatric Radiology 09/25/2024 ~ 09/28/2024
    ASHNR 2024 (American Society of Head and Neck Radiology) 09/04/2024 ~ 09/08/2024
    ASCI 2024 (Asian Society of Cardiovascular Imaging) 09/12/2024 ~ 09/14/2024
    CIRSE 2024 (Cardiovascular and Interventional Radiological Society of Europe) 09/14/2024 ~ 09/18/2024
    ISS 2024 (International Skeletal Society) 09/15/2024 ~ 09/20/2024
    ESNR 2024 (European Society of Neuroradiology) 09/18/2024 ~ 09/22/2024
    ESUR 2024 (European Society of Urogenital Radiology) 09/19/2024 ~ 09/22/2024
    NASCI 2024 (North American Society for Cardiovascular Imaging) 09/21/2024 ~ 09/24/2024
    AOSPR 2024 (Asian and Oceanic Society for Pediatric Radiology) 09/25/2024 ~ 09/28/2024

그누보드5

서울시 강남구 논현로72길 29, 3층 메디칼업저버 / TEL : 02) 3467-5482

Copyright © Radiology Digest All rights reserved.