대장암 위험 예측 모델에서의 인공지능 활용 = The Use of Artificial Intelligence in Colorectal Cancer Risk Prediction Models: A Review

국문 초록 (Abstract)

대장암은 전 세계적으로 높은 발생률과 사망률을 보이는 주요 공중 보건 문제 중 하나이다[1]. 대장암은 조기 발견 시 5년 생존율이 90% 이상으로 높기 때문에, 효과적인 선별검사(screening) 전략이 매우 중요하다. 최근 인공지능(artificial intelligence, AI)과 머신러닝(machine learning, ML)기술이 의료 분야에 도입되면서, 대장암 위험 예측 및 선별검사 영역에서도 혁신적인 변화가 일어나고 있다[2,3].
전통적인 대장암 위험 평가는 연령, 성별, 가족력, 생활습관 등 임상적 위험 요인에 의존해왔으나, 이러한 방식은 개인의 복합적인 위험을 정확히 반영하는 데 한계가 있었다. AI 기반 모델은 임상 정보, 유전적 요인, 생활습관, 영상 데이터, 전자의무기록(electronic health record, EHR) 등 방대하고 이질적인 데이터를 통합하여 대장암 및 고위험 용종의 발생 위험을 보다 정밀하게 예측하는 데 사용된다[4,5].
AI의 적용은 대장암 선별검사(예: 대장내시경, 분변잠혈검사[fecal immunochemical test, FIT])의 효율성 향상, 고위험군 선별, 불필요한 검사 감소, 의료 자원 최적화에 기여할 수 있다[6,7]. 본 종설의 목적은 대장암 위험 예측 분야에서 AI 모델의 최신 개발 동향, 성능 검증 결과, 실제 임상 적용 사례를 검토하고, 향후 임상 워크플로우 통합을 위한 과제와 전망을 논의하는 것이다.

다국어 초록 (Multilingual Abstract)

The application of artificial intelligence (AI) and machine learning (ML) in colorectal cancer (CRC) risk prediction models has been increasingly used in clinical and research settings. AIbased models have been used to predict the risk of CRC and high-risk polyps by integrating diverse data, including clinical information, genetic factors, lifestyle factors, and imaging data.
Various ML algorithms, such as random forest, artificial/deep neural networks, and support vector machines, are currently applied and often demonstrate a higher sensitivity and specificity than traditional statistical prediction models. In particular, AI has been shown to improve prediction accuracy by combining multimodal data sources, such as electronic health records, genomic information, and pathology images, thereby supporting personalized screening strategies.
Furthermore, this study aimed to investigate the latest trends, performance, external validation results, integration into clinical workflow settings, and the future challenges of AI models for CRC risk prediction.