종양 분할을 위한 혁신적인 딥러닝 방법, 권위 있는 의료 영상 대회에서 우승

획기적인 성과로, 스톡홀름 대학교의 의학 방사선 물리학 박사후 연구원인 메디 아스타라키(Mehdi Astaraki)는 국제 의료 영상 컴퓨팅 및 컴퓨터 지원 개입(MICCAI) 회의가 조직한 경쟁적인 국제 대회에서 1위를 차지했습니다. 이 영예는 특히 두경부(H&N) 암에 초점을 맞춘 컴퓨터 단층촬영(CT) 이미지에서 종양, 영향을 받은 림프절 및 건강한 조직의 정확한 분할을 목표로 하는 그의 딥러닝 기반 방법에 수여되었습니다.

SegRap 2023 챌린지에서 전례 없는 성공

아스타라키의 승리는 MICCAI가 후원하는 Radiotherapy Planning(방사선 치료 계획)을 위한 비인두암의 위험 장기 및 Gross Tumor Volume(전체 종양 부피) 분할(SegRap2023) 챌린지에서 이루어졌습니다. 이 챌린지는 H&N 영역의 CT 이미지에서 54개의 건강한 구조(Task 1)와 2개의 종양 영역(Task 2)을 효과적으로 구분하기 위한 자동화된 도구에 대한 중요한 필요성을 다루었습니다.

전 세계 395개 팀 중 아스타라키의 기여는 최전선에 올랐으며, Task 2의 최종 평가 단계에서 1위를 차지하고 두 과제 모두의 두 번째 평가 단계에서 2위를 차지했습니다. 이 성공은 방사선 치료의 정확한 계획에 필수적인 중요한 구조를 분할하는 데 있어 이 방법의 견고함과 효율성을 강조합니다.

의료 영상 커뮤니티에서의 글로벌 인정

의료 영상 분석 작업에서 가장 중요하고 경쟁적인 커뮤니티로 알려진 MICCAI에는 전 세계 395개 팀이 참여했으며, 중국과 미국이 등록 건수에서 선두를 차지했습니다. 아스타라키의 성취는 개인의 우수성을 나타낼 뿐만 아니라 빠르게 진화하는 의료 영상 분야에서 스톡홀름 대학교를 최상위 기관으로 자리매김하게 합니다.

20명의 피험자에 대한 알고리즘 평가가 이루어진 경쟁의 두 번째 단계에서, 아스타라키의 팀은 Task 1에 150개 이상의 모델과 Task 2에 70개 이상의 모델을 제출하며 두각을 나타냈습니다. 최종 평가 단계에서는 각 작업당 30개 이상의 모델이 평가되었으며, 팀의 알고리즘은 일관되게 뛰어난 성능을 보여주었습니다.

임상 적용을 위한 연구용 PACS와의 향후 통합

앞으로 아스타라키와 그의 협력자들은 의료 영상을 안전하게 저장하고 통신하는 데 중요한 구성 요소인 Picture Archiving and Communication System(PACS)과 개발된 모델을 통합할 계획입니다. 이 전략적 조치는 임상 데이터셋에 대한 모델의 성능을 검증하여 방사선 치료 계획에 적용할 수 있는 길을 열 것을 목표로 합니다.

아스타라키는 오픈 소스 및 오픈 사이언스 커뮤니티에 적극적으로 기여하는 것의 중요성을 강조하며, 의료 영상 분석과 같은 복잡한 과제에 대한 솔루션을 정교화하고 발전시키기 위해 이러한 협력이 필수적이라고 강조했습니다.

발표 및 인정

아스타라키와 그의 팀이 개발한 획기적인 방법론은 캐나다 밴쿠버에서 열린 MICCAI 컨퍼런스에서 10월 12일에 발표되었습니다. 이 저명한 플랫폼에서 받은 인정은 스톡홀름 대학교 팀의 우수성을 강조할 뿐만 아니라 그들의 혁신적인 접근 방식의 글로벌 영향력을 부각시킵니다.

메히디 아스타라키는 다가오는 봄에 예정된 'News and Views' 세션에서 자신의 작업을 발표할 예정이며, 개발된 방법론과 의료 영상 분석 분야에 대한 그 함의에 대한 상세한 개요를 제공할 것입니다.

아스타라키의 SegRap2023 챌린지에서의 승리는 의료 영상 분야에서 딥러닝과 임상 적용의 융합이 암 치료 계획에서 변혁적인 돌파구를 마련할 잠재력을 보여주는 중요한 진전을 의미합니다. 방법론이 추가 통합 및 검증을 거치면서, 두경부 암 환자의 방사선 치료 계획에서 향상된 정밀도와 효율성에 대한 전망은 유망해 보입니다.