Large Language Model–Assisted Estimation of Left Double-Lumen Tube Insertion Depth Using Preoperative Chest Radiography

기술 요약: 대규모 언어 모델을 활용한 좌측 이중 루멘 튜브 삽입 깊이 추정

문제 제식
좌측 이중 루멘 기관 내 튜브(DLT)의 정확한 위치 선정은 흉부 수술 시 성공적인 일폐 환기(one-lung ventilation, OLV)를 위해 매우 중요하며, 이는 저산소혈증, 불충분한 폐 격리, 기도 손상과 같은 합병증을 예방하는 데 필수적이다. 섬유광학 기관지경(fiberoptic bronchoscopy, FOB)은 배치를 확인하기 위한 골드 스탠다드(gold standard)이지만, 모든 임상 환경에서 즉시 사용 가능한 특정 장비와 전문 지식을 필요로 한다. 결과적으로, 마취과 의사들은 기관지경을 통한 확정 전까지 추정 삽입 깊이에 의존하게 된다. 주로 환자의 키를 기반으로 하는 기존의 추정 방식은 통계적 상관관계는 보여주지만, 특히 체형이 비전형적인 개별 환자에 대해서는 정밀도가 떨어지는 경우가 많다. CT 기반 측정과 같은 영상 기반 전략은 정확도는 향상되었으나, 데이터의 복잡성과 접근성 문제로 인해 실시간 의사 결정 지원용으로는 항상 실용적이지는 않다. 따라서 일상적으로 사용 가능한 데이터를 사용하여 초기 DLT 위치 선정을 가이드할 수 있는, 임상적으로 실행 가능하고 정확한 방법이 필요하다.

방법론
본 회고적 단일 센터 관찰 검증 연구는 사전 학습된 대규모 언어 모델(LLM)이 좌측 DLT의 최적 삽입 깊이를 예측하는 정확도를 평가하였다. 연구에는 3차 상급 종합 병원에서 흉부 수술을 받는 성인 환자 154명이 포함되었다.

• 참조 표준(Reference Standard): 모든 분석의 실제 값(ground truth)은 유연 섬유광학 기관지경(FOB)으로 확인된 수술 중 삽입 깊이(입술 가장자리로부터의 센티미터 단위 측정값)였다.
• LLM 접근 방식: 미세 조정(fine-tuning)이나 재학습 없이 공개적으로 사용 가능한 멀티모달 LLM(ChatGPT, OpenAI)을 사용하여 예측을 생성하였다. 두 가지 별도의 입력 전략을 테스트하였다:
  1. 인구통계 정보 전용(Demographic-Only): 환자의 연령, 성별, 키, 체중 및 DLT 크기를 포함한 표준화된 프롬프트.
  2. 방사선 영상 보조(Radiograph-Assisted): 상기 인구통계 데이터와 함께 수술 전 전후방(PA) 흉부 방사선 사진에서 도출된 기술적 해부학 정보 결합.
• 프로토콜: 일관성을 보장하기 위해 모든 사례에 대해 표준화된 프롬프트 구조를 사용하였다. 예측은 기본 시스템 설정 하에 단일 세션에서 순차적으로 생성되었으며, 모델에 실제 결과에 대한 피드백은 제공되지 않았다. 각 사례에 대한 첫 번째 출력값만을 기록하였다.
• 통계 분석: LLM 예측값과 의사가 확인한 FOB 측정값 사이의 일치도는 Bland–Altman 분석(평균 편향, 표준 편차 및 95% 일치 한계 계산)을 사용하여 평가하였다. 세 그룹(의사, PA 없는 LLM, PA가 포함된 LLM) 간의 차이는 Friedman 검정을 통해 분석되었으며, 이후 조정된 p-값을 적용한 Dunn의 사후 쌍별 비교를 수행하였다.

주요 결과

• 중심 경향성: 세 그룹(의사, PA 없는 LLM, PA가 포함된 LLM) 모두에서 중앙값 삽입 깊이는 29.00 cm였다.
• 통계적 일치도:
  • Friedman 검정 결과, 세 가지 방법 간에 통계적으로 유有意한 차이가 나타났다 ($\chi^2(2) = 12.14, p = 0.0023$).
  • 사후 분석 결과, 의사의 측정값과 인구통계 데이터만을 사용한 LLM 예측값 사이에 유의미한 차이가 있었다 (조정된 $p = 0.0039$).
  • 결정적으로, 전후방(PA) 흉부 방사선 사진이 포함되었을 때는 의사의 측정값과 LLM 예측값 사이에 통계적으로 유의미한 차이가 관찰되지 않았다 (조정된 $p = 0.7634$).
• 편향 및 일치 한계(LoA):
  • 인구통계 정보 전용: 평균 편향 0.20 cm, 95% LoA는 약 $\pm 2.8$ cm였다.
  • 방사선 영상 보조: 평균 편향 0.15 cm, 95% LoA는 약 $\pm 2.8$ cm였다.
  • 두 접근 방식 모두 최소한의 체계적 편향을 보였다.
• 정밀도: 두 LLM 그룹의 예측 중 90% 이상이 의사가 확인한 깊이의 $\pm 2$ cm 이내에 위치했다. 평균 절대 오차는 두 방식 모두 약 1 cm였다.

의의 및 주장
본 논문은 DLT 삽입 깊이의 LLM 기반 예측이 최소한의 체계적 편향과 낮은 절대 오차를 특징으로 하며, 의사가 확인한 측정값과 합리적인 일치도를 보인다고 주장한다. 연구는 인구통계 데이터만 사용한 예측은 임상 표준과 측정 가능한 편차를 보였으나, 전후방 흉부 방사선 사진을 통합함으로써 이러한 통계적 차이가 제거되었음을 강조하며, 이는 임상의가 결정한 배치 방식과의 높은 일치성을 시사한다.

저자들은 이 기술을 섬유광학 기관지경을 대체하는 것이 아니라, 초기 DLT 위치 선정을 위한 **보조적 수단(supportive adjunct)**으로 위치시킨다. 이는 기관지경 자원이 제한적이거나 지연될 수 있는 임상 환경에서 특히 유용하다. PA 방사선 사진의 사용은 CT 기반 전략에 비해 임상적 실행 가능성이 높다는 점을 강조하는데, 이는 PA 영상이 흉부 수술 워크플로우에서 보편적으로 사용 가능하고 표준화되어 있기 때문이다.

한계 및 범위
저자들은 다음과 같은 몇 가지 한계점을 명시하였다:

• 본 연구는 회고적 단일 센터 연구이므로, 더 넓은 적용을 위해서는 독립적인 코호트를 통한 외부 검증이 필요하다.
• 결과는 좌측 DLT에 국한되며, 우측 장치에는 일반화되지 않을 수 있다.
• 모델 상호작용의 순차적 특성과 사례 간의 잠재적 맥락적 영향, 그리고 LLM 추론 동작의 진화하는 특성이 재현성에 영향을 미칠 수 있다.
• 본 연구는 실시간 임상 가이드를 포함하지 않았다; 예측은 회고적으로 생성되었으며 실제 튜브 배치 결정에 영향을 미치지 않았다.

결론적으로, 본 논문은 LLM 보조 추정이(특히 일상적인 방사선 데이터를 통해 보강되었을 때) 통제된 추론 조건 하에서의 전향적 검증을 거친다면, 기도 관리를 지원할 수 있는 유망하고 저비용인 도구가 될 수 있음을 시사한다.