간암에는 크게 두 종류가 있는데 하나는 간에서 생긴 종양이 악성종양으로 진행된 것이고 다른 하나는 다른 장기에서 생긴 암이 간으로 전이되는 것이다. 본 논문에서는 간에서 생긴 종양이 악성종양으로 진행되는 것을 조기 발견하고 막고자 Object Detect 모델인 YOLO v5의 다섯 가지 모델을 비교하여 악성 종양으로의 발전 가능성이 있는 간의 lesion을 찾아보았다.
Carcinoembryonic antigen (CEA)는 다양한 종양에서 발현되는 자가 항원으로 면역치료에서 강력한 표지 인자이며 면역치료를 위한 표적 종양항원으로 널리 알려져 있다. 그러나 수지상세포 단독 치료는 동물모델에서 종양의 발생을 억제하는 데 효과가 있지만 이미 확립된 종양을 제거하는 데는 한계가 있다. 본 연구에서는 항종양 면역 효과를 증가시키기 위하여 화학치료제인 cyclophosphamide (CYP)와 종양 특이 면역치료법인 수지상세포 백신의 병합치료 효과를 CEA를 발현하는 마우스 종양 모델에서 검증하였다. 종양세포 주입 후 2일 소종양군과 10일 대종양군에서 CYP의 항종양 효과를 비교한 결과, 소종양군에서는 100 mg/kg에서 뚜렷한 종양 성장의 억제 효과가 관찰되었지만 대종양군에서는 약한 억제 효과가 관찰되어 본 연구에서는 대종양군을 병합치료의 적합한 모델로 설정하였다. CYP 와 수지상세포 백신의 병합치료(화학면역치료) 시 종양항원 특이 면역반응이 증가되었을 뿐만 아니라 상승적인 항종양 효과가 나타났다. 또한 CYP 치료에서 나타나는 체중 감소 및 조절 T세포와 골수유래 억제세포의 증가에 의한 면역억제는 화학면역치료에 의해 개선되었다. 항원 특이 면역치료를 병합한 화학면역치료가 화학치료의 부작용을 감소시키고 항종양 효과를 증가시킬 수 있는 치료 전략이 될 수 있을 것이다.
유전자 치료등 폐암에 대한 새로운 치료법의 개발및 그 효능의 검증에 있어 적절한 동물 모델이 없음은 큰 제 한점중의 하나이다. 특히 종양의 생물학적 특성이나 치료에의 효과등이 장기자체의 환경에 크게 영향 을 받는다는 사실은, 인체에서의 폐암의 특성을 가지며 폐에 정 위적으로 발생하는 폐암의 동물모델의 개발 을 시급하게 한다. 저자등은 Nude rat을 대상 동물로 하여, 개흉하에 종양세포 부유액을 원하는 폐말단 부위에 직접 주입함으로 폐에 정 위적으로 폐암의 발달을 유도하였으며 이를 이용하여 발생된 비소세포 폐암의 병태를 연구하였다. 종양은 실험 대상 등물에서 모두 발생하였으며 이용한 두 가지 종류의 세포주(NCI-H46O과 NCI-H1299)에서 모두 효과적으로 발생하였다. 발생된 폐종양은 시간 경과에 따라 주위 조직으로의 침윤과 종격동 전이의 양상를 보였다. 종양 숙주 동물의 평균 수명은 약 5주 정도였다. 저자등이 개발한 비소세포폐암의 동물 모델은 기관지를 통한 종양 세포 주입법에 의한 폐암 모델에 비해 국소적으로 진행된 폐암을 원하는 부위에 정확히 만들 수 있음은 물론 외과적 처치를 비롯한 국소적 치료 방법의 개발이나 ?과의 검증에 두루 이용되기에 적절하다고 사료된다.
본 논문에서는 FDG-PET 영상을 사용하는 딥러닝 네트워크를 이용하여 직장암 환자의 치료 후 완치를 예측하는 연구를 수행하였다. 직장암은 흔한 악성 종양 중 하나이지만 병리학적으로 완전하게 치료되는 가능성이 매우 낮아, 치료 후의 반응을 예측하고 적절한 치료 방법을 선택하는 것이 중요하다. 따라서 본 연구에서는 FDG-PET 영상에 합성곱 신경망(CNN)모델을 활용하여 딥러닝 네트워크를 구축하고 직장암 환자의 치료반응을 예측하는 연구를 진행하였다. 116명의 직장암 환자의 FDG-PET 영상을 획득하였다. 대상군은 2cm 이상의 종양 크기를 가지는 환자를 대상으로 하였으며 치료 후 완치된 환자는 21명이었다. FDG-PET 영상은 전신 영역과 종양 영역으로 나누어 평가하였다. 딥러닝 네트워크는 2차원 및 3차원 영상입력에 대한 CNN 모델로 구성되었다. 학습된 CNN 모델을 사용하여 직장암의 치료 후 완치를 예측하는 성능을 평가하였다. 학습 결과에서 평균 정확도와 정밀도는 각각 0.854와 0.905로 나타났으며, 모든 CNN 모델과 영상 영역에 따른 성능을 보였다. 테스트 결과에서는 3차원 CNN 모델과 종양 영역만을 이용한 네트워크에서 정확도가 높게 평가됨을 확인하였다. 본 연구에서는 CNN 모델의 입력 영상에 따른 차이와 영상 영역에 따른 딥러닝 네트워크의 성능을 평가하였으며 딥러닝 네트워크 모델을 통해 직장암 치료반응을 예측하고 적절한 치료 방향 결정에 도움이 될 것으로 기대한다.
80두의 가토 간에 $1{\sim}2mm^3$ 크기의 VX2 종양세포를 직접 주입하여 단일간암모델을 만들고, 종양이식 후1주, 2주, 3주째에 CT촬영을 실시하여 생성된 종양의 크기와 조영 양상을 관찰하고 조직병리학적검사로 종양의 진위 여부를 확인하였다. 80두 중 66두(82.5%)에서 단일 종양이 만들어졌다. 나머지 12두 중 1두에서 간외종앙의 생성, 그리고 다른 1두에서 육아종성 종괴가 관찰되었으며, 4두는 폐사하였다. 나머지 8두에서는 종양이 생성되지 않았다. 조영 CT에서 관찰된 종양의 크기는 1주, 2주 그리고 3주째에 각각 $7.4{\times}6.3,\;14.2{\times}10.8,\;16.2{\times}12.6cm$로 측정되었다. 모양은 둥글거나 타원형이었으며, 동맥기에서 중앙에 저감쇠와 변연에 조영증강을 보였으며, 문맥기에는 저감쇠를 나타내었다. 종양조직의 이식은 균질한 단일종양모델을 만드는데 매우 유용하고 적합한 방법이며, 조영 CT 촬영술은 간종양 진단 및 다양한 치료방법 적용 후 추적검사에 매우 유용하게 활용될 것으로 판단된다.
목적 : 방사선 수술의 목적은 병소에 최대한의 방사선을 조사하고, 주위의 정상조직에는 가능한 적은 양의 방사선을 조사하는 것이다. 이러한 목적을 만족시키기 위해 방사선 수술계획자는 계획시 isocenter의 위치와 개수, 콜리메이터 크기를 변화시켜 가며, 주어진 병소에 맞는 선량분포를 획득해 방사선 수술효과를 최대화시키는 수술계획을 수립한다. 본 연구에서는 다양한 모양의 병소에 대해 자동적으로 isocenter를 위치시켜 수술 계획시 도움이 될 수 있도록 임의의 병소 모델들에 대해 위의 변수들을 변화시켜 가며 얻어지는 선량분포를 비교 분석하였다. 방법 : 본 연구에서는 임의로 정의한 계산 영역내에 다면체를 병소로 가정하여 연구를 수행하였다. 방사선 수술시 하나의 isocenter에서 얻어지는 선량분포는 구형으로 근사할 수 있으므로 하나의 isocenter를 구로 근사하여, 각 병소 모델 내에 콜리메이터 크기를 변화해가며 가능한 많은 영역을 포함하도록 isocenter를 배치시켰다. 이후 구형선량모델을 사용해 선량분포를 획득하여 병소와 정상조직간의 DVH(Dose Volume histogram)와 각 병소 모델에 대한 통일 평면상의 선량분포를 비교 분석하였다. 결과 ; 임의의 다양한 종양 모델에 대한 50%의 등선량 곡선내에서 세 가지의 빔관련 변수들을 변화시킨 결과, 종양이 없는 정상 조직에서는 선량분포가 극히 낮았으며, 콜리메이터의 크기에 따른 isocenter 의 개수가 변화하는 것을 확인할 수 있었고, 이 경우 한 종양모델에서의 깊이에 따른 선량 분포는 크게 차이가 나지 않았다. 그리고, isocenter의 개수가 변화함에 따라 선량곡선이 변하는 것을 확인할 수 있었다. 결론 : 빔관련 변수인 콜리메이터 크기, isocenter 개수, 거리등은 어느 일정 정도를 넘기면, 병소내 선량 분포에 크게 기여하지 않는다는 점을 감안하여 빔관련 변수들을 최소로 고려하므로써 계획시 소모되는 시간 과 노력을 많이 줄일 수 있을 것이며, 또한 각 병소 모델에 대한 최적의 구형선량모델에서 공통적인 규칙성을 찾는 것과 실제 병소의 모양을 간단한 모양으로 근사화 시킨다면 자동적 선량모델을 이루는데 많은 도움이 되고, 이로 인해 효율적인 치료계획작업이 이루어질 것이라 사료된다.
현재 마이크로어레이 기술은 대량의 유전자 발현 데이터 특히 종양과 관련한 데이터들을 쏟아내고 있다. 이 데이터를 기반으로 종양의 종류에 따른 유전자들의 차별적 발현 양상을 분석하고 발현량의 변화가 두드러지는 유전자들에 기반하여 종양을 분별할 수 있는 분류 모델을 구축한 후, 이것을 종양을 진단하거나 예측하는데 이용할 수 있다. 대부분의 종양은 생성 매커니즘에 따라 세부 부류로 나눌 수 있고 세부 부류에 따라 치료 방법이나 예후가 달라지므로, 정확하게 종양의 세부 부류를 진단하는 것이 매우 중요하다. 본 논문에서는 종양의 종류에 따라 발현량이 민감하게 변화하는 유전자들을 뽑아내기 위한 특징 추출 방법들과 추출된 특징들에 기반해서 종양의 종류를 분별할 수 있는 기계학습 알고리즘들의 조합들의 성능을 비교분석 하였다.
비소세포폐암(NSCLC)은 전체 폐암 중 85%의 높은 비중을 차지하며 사망률(22.7%)이 다른 암에 비해 현저히 높은 암으로 비소세포폐암 환자의 수술 후 예후에 대한 예측은 매우 중요하다. 본 연구에서는 종양을 관심영역으로 갖는 비소세포폐암 환자의 수술 전 흉부 CT 영상 패치의 종류를 종양 관련 정보에 따라 총 다섯 가지로 다양화하고, 이를 입력데이터로 갖는 사전 학습 된 ResNet 과 EfficientNet CNN 네트워크를 사용하여 단일 모델과 간접 투표 방식을 이용한 앙상블 모델, 그리고 3 개의 입력 채널을 활용한 앙상블 모델에서의 실험 결과 및 성능을 오분류의 사례와 Grad-CAM 시각화를 통해 비교 분석한다. 실험 결과, 종양 주변부 패치를 학습한 ResNet152 단일 모델과 EfficientNet-b7 단일 모델은 각각 87.93%와 81.03%의 정확도를 보였다. 또한 ResNet152 에서 총 3 개의 입력 채널에 각각 영상 패치, 종양 주변부 패치, 형상 집중 종양 내부 패치를 넣어 앙상블 모델을 구성한 경우에는 정확도 87.93%를, EfficientNet-b7 에서 간접 투표 방식으로 영상 패치와 종양 주변부 패치 학습 모델을 앙상블 한 경우에는 정확도 84.48%를 도출하며 안정적인 성능을 보였다.
목적: 종양 내에서 산소공급 부족현상으로 발생하는 저산소증 조직에서 저온온열치료($42^{circ}C$)와 nicotinamide에 의한 perfusion limited 저산소증의 개선 효과를 마우스 종양 모델을 이용하여 종양 내 $[^18F]FMISO$ 섭취변화를 이용하여 증명할 수 있는지 알아보고자 하였다. 대상 및 방법: C3H 마우스에 $[^18F]FMISO$를 정주하고 11개 장기에서 $\%ID/g$을 구하여 biodistribution을 관찰하였다. 또한 같은 마우스에 동종 종양세포인 SCC7을 이식하여 종양모델을 만들고 저온온열치료($42^{circ}C$)와 nico-tinamide를 투여한 마우스와 대조군 마우스에서 $[^18F]FMISO$의 섭취정도 차이를 $\%ID/g$, autoradiography, PET scan을 시행하여 비교하고자 하였다. 결과: 대조군에서 종양의 FMISO의 섭취는 5.1+/-2.28 $\%ID/g$였고, 종양/근육, 종양/혈액의 섭취비는 2.2와 1.8이었다. 실험군에서는 각각 2.4+/-0.64 $\%ID/g$, 1.4와 1.2를 나타내어 대조군보다 유의하게 낮았다(p<0.021). Autoradiography에서 대조군의 종양 내부에 FMISO가 섭취됨을 확인하였고, 저온온열치료와 nico-tinamide를 투여한 실험군에서는 섭취가 감소된 것을 관찰하였다. 결론: C3H 마우스와 동종 종양세포인 SCC-VII을 이용한 종양모델에서 $[^18F]FMISO$가 종양내에 섭취가 되어 자산소증 종양모델로 적절함을 확인하였고, 저온온열치료($42^{circ}C$)와 nicotinamide에 의한 perfusion limited 저산소증 개선효과를 $[^18F]FMISO$의 종양 내 섭취가 감소하는 것을 통하여 확인할 수 있었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.