Dual-attention ResNet outperforms transformers in HER2 prediction on DCE-MRI

기술 요약: Dual-Attention ResNet, HER2 예측에서 Transformer 모델의 성능 상회

문제 정의
유방암은 여성에게 가장 빈번하게 진단되는 악성 종양이며, HER2(Human Epidermal Growth Factor Receptor 2) 상태는 치료 선택을 결정하는 핵심 요소이다. 현재의 표준 평가 방식은 침습적인 생검 후 면역 조직 화학 염색 또는 형광 인시츄 하이브리드 형성법(FISH)에 의존하며, 이는 노동 집약적이고 샘플링 편향이 발생하기 쉽다. 동적 조영 증강 자기공명영상(DCE-MRI)은 풍부한 기능적 및 형태적 데이터를 제공하지만, 이 스캔 데이터로부터 HER2 상태를 직접 예측하기 위해 딥러닝을 적용하는 데에는 상당한 어려움이 따른다. 구체적으로, DCE-MRI 데이터는 고역동 범위 형식(1216비트, 복셀 강도가 종종 12,000을 초과)으로 존재하지만, 사전 학습된 신경망은 일반적으로 표준화된 8비트 RGB 입력(0255)을 요구한다. 이 방대한 데이터 축소 과정을 수행하는 전략은 모델 정확도에 큰 영향을 미친다. 또한, 현대적인 아키텍처인 Vision Transformer(ViT) 및 Convolutional Vision Transformer(CvT)가 의료 영상 분야에서 유망한 성과를 보여왔으나, 특히 다기관 환경에서 어텐션 기반 합성곱 신경망(CNN)과 비교했을 때 HER2 예측에 대한 상대적 효능이 체계적으로 평가된 바는 없다.

방법론
본 연구는 I-SPY 임상 시험(BreastDCEDL 데이터셋)의 1,149개 전처치 3D DCE-MRI 스캔을 훈련 및 내부 검증에 활용하였으며, 독립적인 43개 병변 데이터셋(BreastDCEDL_AMBL)을 통해 외부 검증을 수행하였다.

• 전처리 벤치마크: 저자들은 16비트 DCE-MRI 데이터를 8비트 RGB 입력으로 매핑하기 위해 7가지의 서로 다른 강도 정규화 및 클리핑(clipping) 전략을 체계적으로 평가하였다. 여기에는 슬라이스별 및 전역적(global) min-max 정규화, 하위 분위수 클리핑, 그리고 전역 및 채널별로 적용된 상위 백분위수 클리핑(q0.95, q0.98, q0.99)이 포함되었다. 또한, 라디오믹스의 표준 전처리 단계인 N4 편향장(bias field) 보정의 영향을 평가하였다.
• 모델 아키텍처:
  • 주요 모델: Triple-Head Dual-Attention ResNet(THDA-ResNet)이 개발되었다. 이 아키텍처는 세 가지 시간적 단계(조영 전, 조영 후 초기, 조영 후 후기)를 독립적이고 가중치를 공유하는 ResNet34 백본을 통해 처리한다. 중간 레이어에서 해부학적으로 유의미한 영역을 분리하기 위한 다중 스케일 공간 어텐션 메커니즘을 통합하며, 시간적 단계에 따라 특징을 동적으로 가중하는 적응형 채널 어텐션 메커니즘을 포함한다.
  • 비교 모델: 공정한 비교를 위해 동일한 프로토콜을 사용하여 구현 및 미세 조정된 두 가지 트랜스포머 기반 아키텍처인 Vision Transformer(ViT)와 Convolutional Vision Transformer(CvT)를 구현하였다.
• 예측 파이프라인: 각 환자에 대해 종양을 중심으로 한 여러 슬라이스를 256×256 크기로 크롭하였다. 슬라이스 수준의 예측은 환자 수준의 점수를 생성하기 위해 요약 통계량(평균, 중앙값, 최솟값, 백분위수)을 사용하여 집계되었다. 중앙값 집계 방식이 가장 우수한 AUC를 나타냈다.

주요 결과

• 아키텍처 성능: THDA-ResNet은 트랜스포머 기반 모델들을 실질적으로 압도하였다. I-SPY 테스트 세트에서 최적의 THDA-ResNet 구성은 0.75의 정확도와 0.74의 AUC를 달 기록하였다. 반면, ViT 및 CvT 모델은 더 낮은 AUC(0.610.67 범위)를 기록하였다. 저자들은 일부 구성에서 트랜스포머가 더 높은 정확도를 보였으나, 이는 현저히 낮은 민감도(트랜스포머의 경우 0.190.47 vs ResNet의 0.78~0.94)를 대가로 얻은 높은 특이도에 의한 것이며, 이는 트랜스포머가 양성 사례를 더 많이 놓쳤음을 의미한다고 언급하였다.
• 전처리 영향: 상위 백분위수 클리핑 전략(특히 채널별 q0.98 상위 클리핑)이 모든 아키텍처에서 일관되게 가장 좋은 성능을 보였다. 주목할 점은, 라디오믹스에서 널리 사용되는 N4 편향장 보정 적용이 딥러닝 성능을 약간 저하시켰다는 것인데, 이는 원시 강도 분포가 편향 보정 과정에서 의도치 않게 제거될 수 있는 진단적으로 유의미한 패턴을 보존하고 있음을 시사한다.
• 외부 검증: I-SPY 데이터로 학습된 THDA-ResNet을 미세 조정 없이 독립적인 BreastDCEDL_AMBL 데이터셋에 적용했을 때 0.61~0.66의 AUC를 달성하였다. 도메인 변화(서로 다른 벤더, 프로토콜 및 인구 집단)로 인해 내부 성능보다는 낮았으나, 이는 합리적인 일반화 가능성을 입증하였다.

의의 및 주장
본 논문은 듀얼 어텐션 메커니즘이 HER2 계층화를 위한 DCE-MRI의 전이 가능한 시공간적 특징을 효과적으로 포착하여 재현 가능한 딥러닝 바이오마커를 발전시킨다고 주장한다. 본 연구는 두 가지 주요 기여를 한다:

1. 아키텍처적 통찰: 별도의 처리 헤드를 통해 단계별 특징을 명시적으로 보존함으로써, RGB 융합 시간적 시퀀스를 처리할 때 전문화된 어텐션 기반 ResNet 아키텍처가 최첨단 트랜스포머보다 효과적임을 입증하였다. 이는 별도의 처리 헤드를 통해 단계별 특징을 명시적으로 보존하기 때문인 것으로 보인다.
2. 전처리 가이드라인: 표준 라디오믹스 전처리(N4 편향 보정)가 불필요할 뿐만 아니라 잠재적으로 해로울 수 있음을 입증하였다. 또한, 채널별 상위 백분위수 클리핑이 최적의 정규화 전략임을 확인하여 복잡한 편향 보정의 효율적인 대안을 제시하였다.

저자들은 현재의 최적 구성(특이도 0.86, 민감도 0.41)이 단독 진단용으로는 불충분함을 인정하며, 임상 배치를 향한 신중한 태도를 유지하였다. 그들은 본 연구가 전처리와 아키텍처 선택을 위한 체계적인 벤치마크 역할을 하며, 다중 파라미터 통합 및 학습된 어텐션 특징의 임상적 해석 가능성에 대한 향후 연구의 필요성을 강조한다는 점을 분명히 하였다.