AI 기반 MRI 딥러닝 모델을 활용한 난소 병변 분류의 최신 혁신
AI 기반 MRI 딥러닝 모델을 활용한 난소 병변 분류의 최신 혁신 — SAM과 DenseNet-121 통합의 임상 적용 가능성과 미래 전망 doi:10.1148/radiol.243412 서론: 난소 병변 진단의 과제와 MRI의 가능성 난소 병변은 양성과 악성을 정확히 구분하는 것이 매우 중요하며, 조기 진단 실패 시 치명적인 결과를 초래할 수 있습니다. 초음파는 일차 진단 도구로 많이 활용되지만, 조직 대비(contrast) 및 병변 특성화 측면에서 자기공명영상(MRI)이 우수하다는 것이 다수 연구에서 입증되었습니다. 하지만 MRI 판독은 고도로 숙련된 영상의학과 전문의의 주관적 해석에 의존하며, 시간과 비용이 많이 소요되는 단점이 있습니다. 최근 이러한 문제를 해결하기 위해 딥러닝(deep learning, DL)과 같은 인공지능(AI) 기술이 활발히 도입되고 있으며, 특히 Meta의 Segment Anything Model(SAM)과 DenseNet-121을 통합한 모델이 주목받고 있습니다. 본 연구: SAM과 DL 기반의 난소 병변 분류 모델 개발 미국 존스홉킨스대학교의 Wen-Chi Hsu 박사 연구팀은 MRI 기반 난소 병변 분류에서 딥러닝의 가능성을 입증하기 위해 Meta의 SAM을 활용한 자동 병변 분할 시스템과 DenseNet-121 분류기를 통합한 종단형(end-to-end) 파이프라인을 제안했습니다 . 그림 1. SAM 기반 자동 병변 분할 워크플로우 그림 1. 29세 여성의 우측 난소 점액성 암종(mucinous carcinoma) 사례에서 SAM이 T1CE 및 T2WI 영상에 설정된 bounding box(빨간색)를 기반으로 자동 분할 마스크(녹색)를 생성하는 모습. 딥러닝 모델 구조 입력: 전처리된 T1CE 및 T2WI MRI 영상 + 임상 데이터 네트워크 구조: 3D CNN, MLP, D-NonL 모듈 포함 듀얼 패스 네트워크 출력: 악성/양성 여부 이진 분류 그림 2. 전체...