KLI

생체 우측 간이식 기증 대규모 코호트에서 딥러닝 보조 CT volumetry를 이용한 우측 간 이식편 무게 예측의 정확도 및 효율성

Metadata Downloads
Abstract
연구배경: CT volumetry은 생체 간이식 시 이식편의 무게 추정에 널리 사용되어 왔으며, 최근 딥러닝을 통한 자동 간 분할이 가능해지면서 그 효율성이 향상되었다. 그러나 이식편의 무게 예측에 대한 CT volumetry의 정확도는 아직 잘 알려지지 않았다. 따라서 우리는 이 연구를 통해 생체 우측 간이식 기증 대규모 코호트에서 딥러닝 보조 CT volumetry의 우측 간의 무게 예측의 정확도 및 효율성을 확인하고자 한다.

연구방법: 본 후향적 연구는 2013년~2015년 동안 본원에서 생체 우엽 간 기증을 시행한 환자군을 대상으로 하였으며, 이들은 기증 연도를 기준으로 발달군(2013년 기증)과 검증군(2014년~2015년 기증)으로 나뉘었다. 딥러닝 보조 소프트웨어를 이용하여 우측 간 이식편의 부피를 측정하였고, 발달군에서 CT 측정 우측 간 이식편의 부피와 수술장에서 측정한 이식편의 무게를 이용하여 회귀분석을 통해 이식편 부피-무게 변환 공식을 도출하였다. 검증군에서 앞서 도출된 공식에 대입하여 구한 이식편의 예측 무게와 수술장에서 측정한 이식편의 무게 사이의 일치도를 Concordance correlation coefficient (CCC)와 95% Bland-Altman limits-of-agreement (LOA) 이용하여 평가하였다.

연구결과: CT에서 우측 간 이식편의 부피 측정을 위한 평균 소요시간은 1.8±0.6분 (범위 1.3~8.0분)이었다. 발달군에서 도출된 우측 간 이식편의 부피-무게 변환 공식은 다음과 같다. 우측 간 이식편 예측 무게 (g) = 206.3 + 0.653 x CT 측정 우측 간 이식편 부피(ml) (r = 0.878, p < .001). 검증군에서 우측 간 이식편 예측 무게와 수술장 측정 무게 사이의 일치도는 Bland Altman 95% LOA -1.7% ± 17.1% (p = .002)로 확인되었다.

연구결론: 딥러닝 보조 CT volumetry은 생체 간이식에서 수술 전 우측 간 이식편의 무게 예측에 있어 매우 시간 효율적이며, 정확한 측정을 가능하게 한다. CT volumetry의 우측 간 이식편의 무게 예측의 오차 범위는 이식편 무게의 약 17% 이내였다.
|Background: CT volumetry has been widely used for graft weight estimation in living donor liver transplantation (LDLT), and deep learning algorithm (DLA) allowing for automated liver segmentation on CT may improve its efficiency. However, the accuracy of CT volumetry in graft weight estimation has not been well determined

Purpose: To evaluate the accuracy of deep learning algorithm (DLA)-assisted CT volumetric estimation of graft weight in a large cohort of living donor liver transplantation (LDLT) donors who donated right liver graft.

Materials and Methods: This retrospective study consecutively included 581 LDLT donors who donated right liver graft in 2013 (the development group, n = 207) and from 2014 to 2015 (the validation group, n = 374). Right liver graft volume was measured on CT using a software implemented with a deep learning algorithm. In the development group, volume-to-weight conversion formula was constructed by linear regression analysis between the CT-measured right liver graft volume and the intraoperatively measured graft weight. In the validation group, the agreement between the estimated graft weights and measured graft weights was assessed using the 95% Bland-Altman limit-of-agreement (LOA).

Results: Mean process time for graft volume measurement on CT was 1.8 ± 0.6 minutes (range, 1.3 - 8.0 minutes). The volume-to-weight conversion formula constructed in the development group was as follows: estimated graft weight (g) = 206.3 + 0.653 x CT-measured right liver graft volume (ml) (r = 0.878, p < .001). In the validation group, the Bland Altman 95% LOA for the agreement between the estimated and the measured graft weights was -1.7% ± 17.1%.

Conclusions: The DLA-assisted CT volumetry allows for time-efficient and accurate estimation of graft weight estimation in LDLT. The measurement error of CT volumetric estimation of right liver graft weight is approximately 17% of measured graft weight.
Author(s)
박로희
Issued Date
2022
Awarded Date
2022-02
Type
dissertation
Keyword
딥러닝CT volumetry생체간이식
URI
https://oak.ulsan.ac.kr/handle/2021.oak/9990
http://ulsan.dcollection.net/common/orgView/200000596217
Alternative Author(s)
Rohee Park
Affiliation
울산대학교
Department
일반대학원 의학과
Advisor
이승수
Degree
Master
Publisher
울산대학교 일반대학원 의학과
Language
eng
Rights
울산대학교 논문은 저작권에 의해 보호 받습니다.
Appears in Collections:
Medicine > 1. Theses (Master)
Authorize & License
  • Authorize공개
Files in This Item:

Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.