BRIC

검색 닫기

Bio뉴스

한빛사

웨비나 참가신청

학술웨비나 제2형 염증에 의해 유도되는 만성 부비동염 비용종 상피세포의 지질 과산화 [Exp. Mol. Med.] 비용종을 동반한 만성 부비동염은 지속적인 염증과 상피세포 기능 장애를 보이는 것이 일반적인 특징입니다. 하지만, 발병 원인이 되는 분자적 기전은 아직 완벽히 밝혀지지 않았습니다. 본 연구에서 비용종 상시세포에서 지질 대사 조절 장애와 지질 과산화 증가가 비용종증 발병 기전에 기여함을 확인 했습니다. 통합적인 전사체 분석 결과 비용종 상피세포에서 SLC27A2/FATP2 의 발현이 증가하며, 이는 지질 과산화 증가와 관련이 있음을 시사합니다. SCL27A2+ 상피세포는 지질 과산화 경로 유전자의 발현이 풍부했으며, Th2 및 ILC2의 IL-4/IL-13 신호전달에 대해 수용하는 것을 식별했습니다. IL-4/IL-13 신호전달 억제제 Dupilumab은 SLC27A2를 포함한 지질 과산화 관련 유전자의 발현 감소를 유도했습니다. 호산구성 만성 부비동염 환자의 중증도는 SLC27A2의 발현과 상관관계를 보였습니다. SLC27A2/FATP2의 약리학적 억제는 비용종 상피세포에서 SLC27A2 뿐만 아니라, IL13RA1 및 지질 과산화 관련 유전자 발현을 감소시켰습니다. 종합적으로, SLC27A2/FATP2에 의한 지질 과산화가 상피 기능 장애 및 염증의 주요 원인임을 밝혔으며, 질 병 기전 및 잠재적 치료 표적이 될 수 있음을 시사합니다.
  • 2025년 06월 12일 (목) 오후 03시
  • 박재우 (충북대학교)
참가신청
학술웨비나 골스캔에서 골전이 진단에 Grad-CAM을 활용한 CNN과 트랜스포머 모델의 진단 성능 비교 [Clin. Nucl. Med.] 목적: 골스캔(bone scan)에서 골 전이를 탐지하기 위해 합성곱 신경망(convolutional neural networks, CNNs)이 연구되어 왔으나, ConvNeXt와 트랜스포머(transformer) 모델은 아직 골스캔에 적용된 바가 없다. 본 연구는 ConvNeXt와 트랜스포머 모델을 포함한 다양한 딥러닝 모델이 골스캔에서 골 전이 병변을 진단하는 성능을 평가하는 것을 목표로 한다. 방법: 두 기관에서 얻은 암 환자 골스캔 영상을 후향적으로 분석하였다. 학습·검증 세트(n = 4,626)는 병원 1, 테스트 세트(n = 1,428)는 병원 2에서 수집하였다. 평가한 딥러닝 모델은 ResNet18, Data-Efficient Image Transformer(DeiT), Vision Transformer(ViT Large 16), Swin Transformer(Swin Base), ConvNeXt Large였다. 시각화를 위해 gradient-weighted class activation mapping(Grad-CAM)을 사용하였다. Results: ConvNeXt Large 모델은 검증 세트와 테스트 세트에서 각각 0.969와 0.885로 가장 우수한 성능을 보였으며, Swin Base 모델(0.965와 0.840)이 그 뒤를 이었고, 두 모델 모두 ResNet18(0.892와 0.725)보다 유의하게 우월하였다. 하위 분석에서 모든 모델은 소수 전이보다 다수 전이 환자에서 더 높은 진단 정확도를 나타냈다. Grad-CAM 시각화 결과 ConvNeXt Large 모델은 국소 병변에, Swin Base 모델은 몸통뼈대 및 골반과 같은 전역 영역에 더 집중하였다. Conclusions: ConvNeXt 모델은 기존 CNN 및 트랜스포머 모델보다 골스캔영상의 골 전이를 탐지하는 데 특히 다수 전이에서 뛰어난 진단 성능을 보여, 의료 영상 분석 분야에서의 활용 가능성을 시사한다.
  • 2025년 06월 18일 (수) 오전 11시
  • 이석현 (한림대학교)
참가신청
  • 2025년 06월 11일 (수) 오전 10시
  • Ben Knappett (Unchained Labs)
참가신청

최신 웨비나

Bio일정