AIRPET: Virtual Positron Emission Tomography

이 논문은 검출기 시뮬레이션, 영상 재구성, 그리고 LLM 기반의 기하학적 구조 생성을 하나의 접근 가능한 워크플로우로 통합함으로써, PET 스캐너 설계 및 평가의 복잡하고 다단계적인 과정을 효율화하는 웹 기반 AI 지원 플랫폼인 AIRPET을 소개한다.

핵심

당신이 인체의 내부를 들여다보고 질병을 찾아낼 수 있는 최첨단 카메라를 만들고 싶다고 상상해 보세요. 이것은 일반적인 카메라가 아닙니다. 바로 PET 스캐너라는 장치로, 미세한 입자들을 감지하여 당신의 장기가 어떻게 작동하고 있는지 3D 영상을 만들어내는 장치입니다.

이런 기계를 만드는 것은 매우 어렵습니다. 마치 페라리를 직접 설계하고, 경주 트랙에서 운전해 본 다음, 운전자의 건강 상태를 진단하는 의사 역할까지 혼자서 다 해내야 하는 것과 같습니다. 이 논문은 이 불가능해 보이는 작업을 훨씬 쉽게 만들어 줄 "부조종사" 역할을 하는 새로운 웹 기반 도구인 AIRPET을 소개합니다.

AIRPET이 어떻게 작동하는지, 간단한 단계별로 설명해 드리겠습니다.

1. 문제점: 세 머리 달린 괴물

현재 PET 스캐너를 설계하는 과정은 보통 서로 다른 전문가들이 수행해야 하는 세 가지 매우 어려운 작업으로 나뉘어 있습니다.

• 설계자 (The Architect): 복잡한 수학 및 물리 소프트웨어를 사용하여 검출기의 물리적 형태와 재료를 설계합니다.
• 시뮬레이터 (The Simulator): 기계가 실제로 존재한다면 어떻게 작동할지 알아보기 위해 "가상 시운전"을 실행합니다.
• 의사 (The Doctor): 결과로 나온 영상이 환자를 진단하기에 충분히 선명한지 확인하기 위해 영상을 살펴봅니다.

대부분의 연구자들은 이 세 가지 작업 중 하나만 잘할 수 있습니다. 만약 당신이 설계에 뛰어나다면, 시뮬레이션 코드를 짜는 데 어려움을 겪을 수 있습니다. 반대로 코딩을 잘하는 사람이라면 의료적인 측면을 이해하지 못할 수도 있습니다. 이는 전문가들이 서로 쉽게 소통하지 못하는 "사일로(silo)" 현상을 만듭니다.

2. 해결책: AIRPET (올인원 워크숍)

AIRPET은 이 세 가지 작업을 하나의 사용하기 쉬운 워크숍으로 가져오는 웹사이트입니다. 이것은 마치 스마트한 로봇 조수가 있는 "레고 세트"와 같습니다.

• 스마트 로봇 (AI 어시스턴트): 수백 줄의 복잡한 코드를 직접 작성하는 대신, AI에게 요청 사항을 입력하기만 하면 됩니다. 예를 들어, *"반지름 90cm인 16개의 결정을 가진 고리 모양을 만들어줘"*라고 말할 수 있습니다. AI는 번역기 역할을 하여, 당신의 단순한 말을 컴퓨터가 가상 기계를 구축하는 데 필요한 복잡한 기술 파일로 변환해 줍니다.
• 가상 시운전 (Simulation): 컴퓨터 속에 기계가 "구축"되면, AIRPET은 시뮬레이션을 실행합니다. 이는 실제 기계를 만들기 전에 비디오 게임에서 자동차 충돌 테스트를 하는 것처럼, 가상의 입자들을 설계된 기계 속으로 쏘아 보내 입자들이 어떻게 튀어 다니는지 확인하는 과정입니다.
• 영상 제작 (Reconstruction): 시뮬레이션이 끝나면, 이 도구는 데이터를 즉시 가져와 3D 영상으로 만들어냅니다. 이를 통해 당신의 설계가 실제로 선명한 영상을 만들어내는지, 아니면 흐릿하게 보이는지 확인할 수 있습니다.

3. 실제 사례: "CRYSP" 테스트

저자들은 CRYSP라고 불리는 특정 설계를 사용하여 이 도구를 테스트했습니다. 그들은 특수 결정으로 만들어진 가상 스캐너를 구축하기 위해 AIRPET을 사용했습니다. 그리고 그 중심에 "팬텀"(물로 된 가짜 신체 부위 안에 6개의 작은 공이 들어있는 형태)을 배치했습니다.

그들은 컴퓨터에게 이 공들을 관찰하도록 시뮬레이션을 명령했습니다. 불과 몇 분 만에, AIRPET은 6개의 공이 선명하게 보이는 3D 영상을 생성했습니다. 이는 이 도구가 10명의 전문가 팀 없이도 설계 아이디어를 가져와 시뮬레이션하고 그 결과를 보여줄 수 있음을 증명했습니다.

4. 다음 단계는 무엇인가요? (미래의 워크숍)

이 논문은 AIRPET이 아직 벽은 세워졌지만 가구가 더 필요한 집처럼, 여전히 건설 중임을 설명합니다. 저자들은 다음과 같은 기능을 추가할 계획입니다.

• 더 나은 AI 도구: 단순히 AI에게 "코드를 써달라"고 요청하는 대신, AI에게 특정 "도구"(예: 결정을 원형으로 배치하는 미리 만들어진 함수)를 제공하여 실수를 줄이고자 합니다.
• 부품 라이브러리: 처음부터 모든 것을 만드는 대신, 미리 만들어진 부품(표준 의료 테스트 오브젝트 등)을 꺼내 쓸 수 있는 디지털 선반을 구축할 것입니다.
• "AI 의사": 궁극적으로, 생성된 3D 영상을 보고 영상의 품질에 대해 제2의 의견을 줄 수 있는 AI를 추가하여, 실제 의사들의 훈련 파트너 역할을 하도록 만들고자 합니다.

핵심 요약

AIRPET은 인공지능을 활용하여 과학자들이 한 곳에서 PET 스캐너를 설계, 테스트 및 시각화할 수 있도록 돕는 웹 기반 플랫폼입니다. 이 도구는 진입 장벽을 낮추어, 소규모 팀이나 개인이 모든 단계를 완벽히 마스터하지 않고도 새로운 스캐너 설계를 실험할 수 있게 해줍니다. 현재는 더 나은 기계를 만들기 위한 연구용 도구이며, 아직 환자에게 직접 사용하는 의료 기기는 아닙니다.

기술 요약

기술 요약: AIRPET – 가상 양전자 방출 단층 촬영(PET)

문제 정의
새로운 양전자 방출 단층 촬영(PET) 스캐너 기술의 설계 및 평가는 일반적으로 세 가지 별개의 단계, 즉 (1) 검출기 설계 및 시뮬레이션, (2) 영상 재구성, (3) 영상 해석으로 나뉘는 복잡하고 다학제적인 과정입니다. 각 단계는 전문적인 지식을 요구하며, 이는 세 단계를 동시에 관리하기 어려운 연구자와 엔지니어들에게 상당한 진입 장벽을 형성합니다. 또한, 현재의 환경은 다양한 전문 소프트웨어 도구들이 고립된 상태로 운영되어, 이를 통합하는 데 많은 노력이 필요하며 전문가들이 자신의 작업이 다른 단계에 미치는 영향을 완전히 파악하는 것을 방해하기도 합니다. 의료 전문가들이 최종 해석을 수행하지만, 훈련용 데이터를 생성하고 영상의 진단을 방사선 전문의와 비교할 수 있는 "AI 파트너"를 제공할 수 있는 도구가 필요한 상황입니다.

방법론
이러한 과제를 해결하기 위해 저자들은 전체 PET 설계 워크플로우를 단일 인터페이스로 통합한 오픈 소스 기반 웹 플랫폼인 AIRPET(AI-driven Revolution in Positron Emission Tomography)을 개발했습니다. 이 시스템은 클라이언트-서버 모델로 작동합니다:

• 프론트엔드: HTML/JavaScript 및 three.js로 구축되었으며, 3D 기하학적 구조 조작을 위한 시각적 에디터를 제공합니다.
• 백엔드: Python/Flask로 구축되었으며, 프로젝트 상태 관리, 시뮬레이션 실행 및 영상 재구성을 담당합니다.

워크플로우는 다음과 같은 기술적 구성 요소를 통해 진행됩니다:

1. 검출기 설계: 사용자는 시각적 에디터나 텍스트 기반 프롬프트를 통해 기하학적 구조를 정의합니다. 시스템은 내부 JSON 표현 방식을 활용하며, 표준 Geant4 GDML 형식의 임포트/엑스포트를 지원합니다. 핵심 기능은 대규모 언어 모델(LLM)의 통합으로, 현재 로컬에서 호스팅되는 오픈 소스 모델(Ollama 경유)과 클라우드 기반 모델(Google Gemini)을 모두 지원합니다. 사용자는 자연어 명령(예: "최소한의 PET 기하 구조를 생성해줘...")을 입력할 수 있으며, AI는 이를 필요한 JSON 구조로 변환하려고 시도합니다. 또한 pythonocc 라이브 library를 사용하여 STEP 파일을 통한 CAD 임포트를 지원합니다.
2. 검출기 시뮬레이션: 사용자 실행 시, 백엔드는 정의된 기하 구조 및 파라미터를 기반으로 GDML 및 Geant4 매크로(.mac) 파일을 생성합니다. 시뮬레이션은 별도의 스레드에서 실행되며 실시간 진행 상황을 업데이트합니다. 검출기 히트(hit) 및 입자 궤적을 포함한 출력 데이터는 HDF5 형식으로 저장됩니다.
3. 영상 재구성: 시스템은 시뮬레이션된 511 keV 감마선 상호작용을 반응선(Lines of Response, LOR)으로 처리합니다. 위치 및 에너지 해상도에 대한 가우시안 스미어링(Gaussian smearinging)과 같은 기본적인 검출기 물리 효과를 적용합니다. 플랫폼은 parallelproj 라이브러리와 연동하여 최대 가능도 기대값 최대화(Maximum Likelihood Expectation Maximization, MLEM) 알고리즘을 사용하여 3D 영상을 재구성합니다.
4. 의료 평가 (제안됨): 저자들은 전문적인 의료 진단을 대체하기보다는 훈련 도구로서의 역할을 목적으로, 다중 모달 LLM을 활용하여 재구성된 영상에 대한 질적 평가를 제공하는 미래 모듈을 제시합니다.

주요 기여 및 결과

• 통합 워크플로우: AIRPET는 검출기 설계, 시뮬레이션, 영상 재구성 사이의 간극을 성공적으로 메워, 사용자가 단일 웹 인터페이스 내에서 기하 구조 정의부터 시각화된 3D PET 영상에 이르기까지 이동할 수 있게 합니다.
• AI 보조 기하 구조 생성: 본 플랫폼은 텍스트 프롬프트로부터 복잡한 검출기 기하 구조를 생성하는 데 LLM을 사용하는 것의 타당성을 입증하였으며, 이는 수동 코딩 부담을 크게 줄여줍니다. 다만 저자들은 이것이 현재로서는 인간의 미세 조정(fine-tuning)을 필요로 한다고 언급했습니다.
• 데모 케이스 (CRYSP): 논문은 단순화된 버전의 CRYSP1M 전신 PET 스캐너를 모델링한 검증 사례를 제시합니다. 시스템은 다양한 반경과 활성 비율을 가진 6개의 구형 물 채워진 팬텀(water-filled phantom)을 시뮬레이션했습니다. 108개의 양전자-전자 붕괴와 10회의 MLEM 알고리즘 반복을 사용하여, AIRPET는 팬텀의 3D 영상을 성공적으로 재구성하여 활성 분포를 시각화했습니다. 정규화는 시뮬레이션된 무작위 LOR로부터 유도된 민감도 행렬을 사용하여 수행되었습니다.

의의 및 주장
저자들은 AIRPET를 시뮬레이션 및 재구성 도구의 통합과 관련된 기술적 장벽을 낮춤으로써 PET 연구 및 개발을 민주화하는 도구로 포지셔닝합니다. 이 플랫폼은 두 가지 주요 기능을 목표로 합니다:

1. 훈련장: 훈련 세트와 시뮬레이션된 현실적인 문제들을 생성함으로써, 연구자 교육 및 AI 진단 도구 개발을 지원합니다.
2. AI 파트너: AI가 생성한 진단 결과와 방사선 전문의의 진단을 비교할 수 있는 메커니즘을 제공하여, 새로운 스캐너 설계의 평가를 가속화할 잠재력을 가집니다.

본 논문은 AI 보조 기하 구조 생성이 아직 숙련된 인간 설계자를 대체할 수 없으며, 의료 평가 모듈은 현재의 기능이 아닌 미래의 목표라는 점을 인정하며 현재의 역량에 대해 겸손한 어조를 유지합니다. 주요 가치 제안은 이러한 이질적인 단계들을 하나의 응집력 있고 접근 가능한 워크플로우로 통합하여 보다 효율적인 PET 스캐너 설계를 촉진하는 것입니다.