CAD는 인공지능의 발달에 따른 의학분야 활용에 있어서 항상 주된 관심사였으나 진단영역과는 달리 인터벤션 분야에 있어서는 bull's eye나 fusion image처럼 CT나 MR등에서 확인된 병변과 뼈와 같은 구조물을 모니터에 표현하여, biopsy 나 ablation을 유도하는 것에 머물러 있었습니다. 그러나, 현재는 automated feeding vessel detection software가 하나의 추세로 자리잡게 되어 GE의 Flight Plan for Liver, Philips의 EmboGuide가 등장하게 되었다. 간동맥처럼 여러 혈관이 복잡하게 주행하는 장기에서는 목표로 하는 혈관을 확인하고, 이 혈관까지 도달하기 위한 경로를 확인하기 위해 대개 수 회의 혈관촬영이 필요하다. 또한 요즘 간암 고위험군에 대한 screening의 증가와 MR과 같은 imaging modality의 발달로 더 작은 HCC들이 발견되고 있다. 간종양이 아직 작은 경우 혈관 촬영상 종양의 과혈관성이 작고 희미해서 종양자체의 발견이 어렵고, 혈관의 neovascularity가 진행되지 않아 정상 간실질을 공급하는 혈관과 종양을 공급하는 영양 동맥의 구분을 위하여 여러 번의 혈관촬영이 필요하거나, 탐지가 어려울 수 있다. 이러한 문제점을 극복하기 위하여 간동맥을 통한 3D cone beam CT가 도입되었다. 3D cone beam CT는 기존에 small HCC에 대해 MDCT보다 높은 detection rate를 보여주었다 (1-3). Miyayam et al.은 혈관조영술에서 발견되지 않은 small HCC의 경우에도 95%에서 3D cone beam CT도 발견가능하며 82%에서 ultraselective TACE로 치료가 가능함을 보고하였다 (4). 이외에도 3D cone beam CT를 통해 left gastric artery 같은 non-hepatic artery를 구분하기 쉽고, ex trahepatic parasitic supply의 존재도 예측할 수 있다. 그러나, 3D cone beam CT의 경우, multiplanar image를 기본으로 사용하기에, 분석에 오래 시간이 걸리고, 또한 작은 혈관의 경우 확인하지 못하고 놓치거나, 분석을 위하여 시술자가 angiosuite를 벗어나 별도의 workstation에서 작업하여야 하는 단점이 있어왔다. 이러한 단점을 극복하고자 automated feeding detection software의 개발이 시작되었고, 현재의 GE의 Flight Plan for Liver, Philips의 EmboGuide가 등장하게 되었다.

Flat panel detector는 기존의 image intensifier system에 비해 향상된 contrast와 spatial resolution을 제공하게 되었다. MDCT가 fan beam geometry 와 one-dimensional detector를 채용한 것과 달리 Flat panel detector는 cone-beam geometer와 two-dimensional detector를 사용해 single gantry rotation으로 volumetric data set을 얻는 게 가능해졌다. 현재 일반적인 MDCT의 voxel size가 0.5x0.5x0.5mm3정도라면, 40x30cm^2의 detector를 사용하는 경우 25x25x18cm^3의 volumetric data set을 포함하여 0.2x0.2x0.2mm^3 이 현재 이론적으로 얻을 수 있다. 그러나, flat panel detector에 사용되는 cesium iodide doped with thallium (CsI(TI))은 afterglow효과로 생긴 lag으로 인해 일회 rotational scan 시간이 3초이상으로 제한되어 있으며, 현재 GE에서 사용하는 cone beam CT도 full resolution에서 5초로 설정되어 있다. 이러한 rotation speed의 제한은 scatter to primary ratio로 인한-MDCT의 경우 0.2이지만, cone beam CT의 경우 3이상으로 증가하게 된다 - streak artifact를 보정하기 어렵게 만들어, MDCT에 비해 cone bean CT의 contrast resolution을 크게 악화시켰다 (5). 통상적인 MDCT가 3 Hounsfield units(HU) contrast resolution을 가지는 반면, cone beam CT는 contrast resolution of 10 HU 을 가진다. High spatial resolution의 장점을 살리면서 low contrast resolution의 약점을 극복하기 위해 catheter를 간동맥에 직접 위치시키고, 조영제를 주입하여 3D cone beam CT는 주변 간실질과 간동맥 사이의 large contrast resolution을 가능하게 만들었다. 이렇게 확보한 영상의 통해 auto mated feeding vessel detection software가 작동하게 된다. Cone beam CT를 얻기 위해서는 먼저 CT나 angiography를 통해 hepatic artery variation (i.e. replaced right hepatic artery from superior mesenteric artery or replaced left hepatic artery from the left gastric artery)을 확인한다. 이후에 5-Fr catheter를 common hepatic artery나 celiac trunk에 위치시키거나, 이것이 어려울 경우 microcatheter를 얻고자 하는 좌-우측 간동맥에 위치 시킨 후 angiography를 확인하다. Angiography를 하는 동안 tumor가 staining되는 시간을 확인한 후 scan delay 와 조영제의 주입속도를 결정한다. Common hepatic artery에서 시행하는 경우 선호되는 scan delay는 5~6초이며, 조영제의 속도는 3-4 ml/sec (Visipaque 320mg I/ml; GE Healthcare)이다. Cone beam CT protocol은 Innova CT (GE Healthcare, Waukesha, WI, USA)를 사용하며, 512x512x512 matrix size에 total angle 200°이며, 312 projection을 얻게 된다. Scan 속도는 초당 40°로는, 총 5초가 소요된다. 이 5초의 시간 동안 환자가 호흡을 참고 있는 것이 높은 quality의 cone beam CT를 얻는데 매우 중요하다. Rotational image acquisition부터 3D hepatic artery reconstruction까지는 대략 50초가 소용된다. 기존의 2D angiography는 서로 겹처지는 복잡한 간동맥의 구조를 완전히 파악하기 위하여 다양한 위치에 microcatheter를 위치시키고, 여러 각도에서 촬영을 반복하여야 한다. Cone beam CT는 한번의 검사에 좀 더 많은 조영제와 방사선양에 피폭되지만, 반대로 복잡한 간동맥의 구조를 파악할 수 있다는 장점이 있다.

다음의 3가지 과정을 통해 feeding vessel candidate를 구하게 된다. 1. Structure extraction: hepatic arteryol seed point를 위치시키면, seed point에서의 HU을 기준으로 연결되는 구조물들에 대해 segmentation을 진행하게 되어, hepatic arterial structure를 다른 구조물로부터 분리시킨다. 이 과정에서 tumor 및 tumor 주위 vessel들이 잘 보일 수 있도록 segmentation sensitivity를 조절하여 주어야 한다. 2. Target definition: 기존에 얻은 CT 또는 MR 영상 등을 참고하여 target tumor를 포함하는 spherical shape의 region of interest (ROI) 를 지정해 준다. 3. Feeding vessel selection: ROI로부터의 geo metric proximity를 기준으로 structure extraction과정에서 설정된 arterial structure들을 selection하게 된다. Feeding vessel candidate들은 화면에 녹색으로 표시된다. 이렇게 구해진 feeding vessel들은 C-arm 및 patient table의 움직임에 맞추어서 화면에 표시되게 된다. 기존의 cone beam CT들이 화면에 C-arm angle등과 correlation되어 표현되었던 것에 비해 위 이미지는 fluoroscopy화면에 실제 scale로 overlap 되어 microguidewire를 이용한 selection을 쉽게 도와주며, microcatheter에서 microguidewire를 꺼내 contrast medium을 injection을 하여 위치를 파악하였던 것에 비해 시간과 contrast medium의 사용량을 줄여줄 수 있다.

Cone beam CT자체로도 종양의 위치는 특정할 수 있지만, 그로 향하는 간동맥을 확인하기 위해서는 여러 각도에서 재구성한 multiplanar image를 이용하여 종양에서부터 간동맥 근위부까지 역방향으로 추적해올수 밖에 없고, 이 과정에서 상당한 시간이 소비되며, 또한 종양의 feeding artery가 여러 개일 경우 작은 혈관을 발견하지 못할 위험도 있다. 이런 경우 시술자 이외에 객관적인 정보를 줄 수 있는 제 삼자가 있다면 이러한 위험을 줄일 수 있다. Automated feeding vessel detection software는 현재 진단영역에서 사용되는 CAD 처럼 시술자의 실수를 줄이는데 사용할 수 있으며, 시술자와 독립적으로 작동될 수 있다. Deschamps는 이전에 automated feeding vessel detection software의 사용이 tumor feeding vessel 확인에 필요한 시간 interventional radiologist가 하는 것보다 현저하게 줄일 수 있으면서, sensitivity를 높일 수 있음을 보고하였다 (6). 또한 이 보고에서도 비교적 경험이 적은 IR의 경우 2D DSA와 3D cone beam CTol& tumor feeding vessel artery detection rate에 차이가 있음도 함께 보고하였다. 즉 비교적 경험이 적은 IR의 경우에 3D cone beam CT를 통해 더 feeding vessel detection에 도움을 받을 수 있다는 뜻이지만, 동시에 feeding vessel detection에 평균 3분 이상이 소요되었다. Software를 사용한 경우 3D cone beam CT를 해석하는 경우와 비교하여 더 적은 시간에 비슷한 정확도를 보일 수 있었다. 아직 2D DSA 보다는 분석에 시간이 오래 걸리지만, 이러한 software의 사용은 기본적으로 3D cone beam CT의 장점인 small HCC의 탐지와 영양동맥의 발견 정확도 에 있어서 강점을 가지고 있다. 또한, Iwazawa는 automated feeding vessel detection software를 사용한 경우를 사용하지 않았던 경우와 비교하였을 때 혈관 조영술의 횟수와 전체적인 시술시간의 감소를 확인할 수 있었다 (7). Feeding vessel detection software를 운용하는 과정에서 서술하였듯이 시술 동안은 C-arm과 연동하여 간동맥의 경로와 분지 등을 조영제 테스트 없이 보여줄 수 있다. 기존의 3D cone beam 경우 옆의 다른 화면으로 C-arm의 angle과 연동해서 간동맥 전체에 대한 maximum intensity projection imaget 3D volume rendering image를 보여주었다. 현재의 FPFL은 화면에 간동맥 전체를 보여줄 수 있을 뿐 아니라, 목표로 하는 혈관만을 선택적으로 보여줄 수도 있어, 기존 cone beam CT에 비해 유익한 navigation tool로 작동할 수 있고, 또한 적용 시 patient table의 움직임, C-arm의 angle과 높이, 확대, 축소 등을 자유롭게 구현하여 실시간으로 투시화면에 투영시킴 으로써 microguidewire로 좀더 쉽게 원하는 혈관을 선택할 수 있도록 도울 수 있다.

그러나, cone beam CT에서도 motion artifact와 beam hardening artifact가 중요한 문제이다. 환자가 호흡을 멈추고 있지 못하는 경우 motion artifact로 인해 효과적인 cone beam CT를 얻을 수 없다. 한 보고에서는 약 3%의 환자에서 환자의 호흡 조절이 실패하였으며, 호흡 조절이 성공한 경우에서도 segment 2 간동맥에 대해서는 약 25%에서 심장에 의한 motion artifact가 보고되었다(8). 대략 기존의 보고들에서 약 5-10%의 환자들에서 호흡이나 심장에 의한 motion artifact로 인한 화질의 저하가 보고되었다 (8, 9). 이외에도 조영제의 주입 후 지연시간이 충분하지 않은 경우 간혈관의 구조가 충분히 보이지 않게 된다. 반대로 너무 늦을 경우 간실질의 조영 증가가 강해져서 소프트웨어로 hepatic artery를 주위 간실질과 구별할 수 없게 된다. Automated tumor feeding detection software의 또 다른 단점은 tumor feeding artery가 가늘거나, 조영 증강이 충분히 되지 않는 경우 software에서 혈관으로 인식하지 못한다는 점이다. 특히 여러 segment의 경계에 종양이 걸쳐있는 경우, hypertrophy된 main tumor feeding artery외에도 다른 segmental artery에서 기시하는 minor feeder들의 경우 간동맥의 직경이 증가하지 않은 경우가 종종 관찰된다. 이러한 경우 정확한 feeding vessel detection을 위해서는 아직 이미지 해상도에 제한이 있다. 현재 한쪽 lobe를 사용하기 위해서는 대략 40cm의 FOV가 필요하며 이 경우 resolution은 0.46mm이다. 현재 embolization에 널리 사용되는 Progreat 2.0 Fr catheter (Terumo)의 outer diameter 0.67mm임을 고려할 때 superselective TACE를 위한 feeding vessel detection을 위한 충분한 resolution이긴 하지만, 그 이하의 혈관을 탐지하는 데에는 제한이 있다. Iwazawa는 이에 대해 Region of interest를 tumor margin에 대해 5mm이상으로 크게 design 함으로써 sensitivity를 증가시킬 수 있음을 보여주었다 (10). 하지만, 이 경우 specificity의 감소와 이에 따른 정상 간 실질에 대한 불필요한 색전술과 시술시간이 증가하는 단점이 생기게 된다. 현재로서는 가장 높은 정확도를 위해서는 HCC를 포함하는 크기로 그리게 되어 있다. 또한 현재의 프로그램은 segmentation sensitivity를 증가시킬 경우 주위의 nonvascular structure를 혈관으로 오인하는 문제가 생긴다. 이는 특히 subcapsular location에 위치한 HCC의 경우 extrahepatic tumor supply가 있는 것으로 오인시킬 수 있다. 또 다른 software의 문제점은 현재 FPFL의 ROI가 구체 모양만 제공된다는 점이다. Oval 또는 lobulated shape의 경우 specificity의 감소를 감수하며, tumor를 다 포함하도록 지정하거나, tumor를 부분부분 나누어서 지정하여 주어야 하는 단점이 있다.이는 이후 Philips의 EmboGuide등에서 multigonal ROI를 지원해줄 것으로 예정되어 있다. 3D cone beam CT를 사용할 때 가장 걱정되는 부분은 환자에 대한 방사선 피폭량의 증가이다. 그러나, Iwazawa 등은 3D cone beam CT가 혈관촬영술의 횟수를 감소시키는 것으로 보고하였으며, Kothary 등은 이로 인해 실제 dose-area product의 증가 부분은 경험이 있는 시술자의 경우 높지 않다고 보고하였다 (7,11). 이외에도 3D cone beam CT로 인한 방사선 피폭은 200°에 걸쳐 이루어지기 때문에 방사선 증가분에 따른 피부 손상 같은 deterministic risk는 분산되는 효과가 있다.

FPFL은 현재 간암을 위한 TACE에서 높은 정확도를 보이며, 복장한 간동맥의 구조를 해석하는 데 있어서, 시술자를 도울 수 있으며 시술자에게 유익한 2nd opinion을 제공해 줄 수 있다. 또한, 화면에 목표로 하는 혈관만을 C-arm 및 patient table과 연동하여 선택적으로 비춰줌으로써 유익한 navigation tool로 작동할 수 있고, 이를 통해 DSA의 횟수와 시술시간을 감소시킬 수 있다.

A. 3D cone beam에서 결절형 간세포암과 주위 subsegmen tal branch들이 보이고 있다. B. 간동맥의 시작부위에 seed point (붉은색 X표)를 지정하면 간동맥과 과혈관성 종양을 주위 구조물에서 분리해서 표시한다. C. 종양을 포함하는 region of in ter est를 지정한다. D. 종양을 공급하는 영양동맥이 녹색으로 표시된다.

Flight plan for liver의 live roadmap 기능 목표 영양 동맥 표시가 table의 위치 이동에 따라 자동으로 조정이 되고 있다.

Region of interest (ROI)의 크기에 따른 변화 Target definition 과정에서 ROI의 크기에 따라 sensitivity, specificity가 달라진다. A, C.는 종양의 경계를 따라 ROI를 정한 경우. B.D는 종양의 경계에서 5mm 더 크게 ROI를 정한 경우로 false positive (화살표)가 보이고 있다.

Structure extraction 과정에서 fine tune segmentation sensitivity를 조절하여 혈관으로 인식되는 범위를 미세하게 조절할 수 있다. A,C.는 프로그램의 default설정. B.D는 minor feeder의 확인을 위해 수동으로 segmentation sensitivity를 증가시킨 경우. 4번 segment에서 가는 minor feeder (화살표)가 추가로 확인되었다.

1. Higashihara H, Osuga K, Onishi H, Nakamoto A, Tsuboyama T, Maeda N, et al. Diagnostic accuracy of C-arm CT during selective transcatheter angiography for hepatocellular carcinoma: comparison with intravenous contrast-enhanced, biphasic, dynamic MDCT. Eur Radiol 2012;22:872-879. 2. Meyer BC, Frericks BB, Voges M, Borchert M, Martus P, Justiz J, et al. Visualization of hypervascular liver lesions During TACE: comparison of angiographic C-arm CT and MDCT. AJR Am J Roentgenol 2008;190:W263-W269. 3. Iwazawa J, Ohue S, Hashimoto N, Abe H, Hamuro M, Mitani T. Detection of hepatocellular carcinoma: comparison of angiographic C-arm CT and MDCT. AJR Am J Roentgenol 2010;195:882-887. 4. Miyayama S, Yamashiro M, Okuda M, Yoshie Y, Sugimori N, Igarashi S, et al. Usefulness of cone-beam computed tomography during ultraselective transcatheter arterial chemoembolization for small hepatocellular carcinomas that cannot be demonstrated on angiography. Cardiovasc Intervent Radiol 2009;32:255-264. 5. Orth RC, Wallace MJ, Kuo MD. C-arm cone-beam CT: general principles and technical considerations for use in interventional radiology. J Vasc Interv Radiol 2008;19:814-820. 6. Deschamps F, Solomon SB, Thornton RH, Rao P, Hakime A, Kuoch V. Computed Analysis of Three-Dimensional Cone-Beam Computed Tomography Angiography for Determination Cardiovasc Intervent Radiol 2010;33:1235-1242. 7. Iwazawa J, Ohue S, Hashimoto N, Mitani T. Comparison of the Number of Image Acquisitions and Procedural Time Required for Transarterial Chemoembolization of Hepatocellular Carcinoma with and without Tumor-Feeder Detection Software. Radiol Res Pract. 2013;2013:580839. doi: 10.1155/2013/580839. 8. Lee IJ, Chung JW, Yin YH, Kim HC, Kim YI, Jae HJ, et al. Cone-beam CT hepatic arteriography in chemoembolization for hepatocellular carcinoma: angiographic image quality and its determining factors. J Vasc Interv Radiol 2014;25:1369-1379. 9. Tognolini A, Louie JD, Hwang GL, Hofmann LV, Sze DY, Kothary N. Utility of C-arm CT in patients with hepatocellular carcinoma undergoing transhepatic arterial chemoembolization. J Vasc Interv Radiol 2010;21:339-347. 10. Iwazawa J, Ohue S, Hashimoto N, Mitani T. Accuracy of software-assisted detection of tumor feeders intranscatheter hepatic chemoembolization using three target definition protocols. Clin Radiol 2014;69:145-150. 11. Kothary N, Abdelmaksoud MH, Tognolini A, Fahrig R, Rosenberg J, Hovsepian DM, et al. Imaging guidance with C-arm CT: prospective evaluation of its impact on patient radiation exposure during transhepatic arterial chemoembolization. J Vasc Interv Radiol 2011;22:1535-1543.