🤖 AI

Mitosis Detection in the Wild: Multi-Tumor and Context-Aware Generalization in the MIDOG 2025 Challenge

MIDOG 2025 챌린지는 다양한 종양 유형, 종, 스캐닝 플랫폼 전반에 걸친 자동 유사분열 탐지 모델의 일반화 능력을 평가하며, 앙상블의 이점에도 불구하고 현재 아키텍처의 한계를 부각시키고 까다로운 실제 환경에서의 상당한 성능 저하를 드러낸다.

원저자: Marc Aubreville, Jonas Ammeling, Sweta Banerjee, Viktoria Weiss, Taryn A. Donovan, Robert Klopfleisch, Jiaqi Lv, Shan E Ahmed Raza, Raphaël Bourgade, Thomas Walter, Yasemin Topuz, Songül Varlı, Charle

게시일 2026-06-08

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Marc Aubreville, Jonas Ammeling, Sweta Banerjee, Viktoria Weiss, Taryn A. Donovan, Robert Klopfleisch, Jiaqi Lv, Shan E Ahmed Raza, Raphaël Bourgade, Thomas Walter, Yasemin Topuz, Songül Varlı, Charles-Antoine Collins-Fekete, Zhuoyan Shen, Navya Sri Kelam, Nitin Singhal, Christian Marzahl, Brian Napora, Tengyou Xu, Hongyan Gu, Mario Vento, Gennaro Percannella, Norbert Ropiak, Izabela Wasiak, Jie Xiao, Shaojun Liu, Seungho Choe, April Khademi, Vidushi Walia, Sujatha Kotte, Andrew Broad, Alex Wright, Guillaume Balezo, Esha Sadia Nasir, Mostafa Jahanifar, Yosuke Yamagishi, Shouhei Hanaoka, Mattia Sarno, Francesco Tortorella, Biwen Meng, Jingxin Liu, Sara Krauss, Daniel Hieber, Lavish Ramchandani, Dev Kumar Das, Mieko Ochi, Yuan Bae, Piotr Giedziun, Mateusz Maniewski, Vangala Govindakrishnan Saipradeep, Naveen Sivadasan, Leire Benito-Del-Valle, Adrian Galdran, Kaustubh Atey, Sameer Anand Jha, Adinath Dukre, Imran Razzak, Maxime W. Lafarge, Viktor H. Koelzer, Nils Porsche, Nikolas Stathonikos, Mitko Veta, Dominik Hirling, Zsanett Zsófia Iván, Peter Horvath, Katharina Breininger, Christof A. Bertram

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 로봇에게 거대하고 혼란스러운 도시(조직 샘플) 속에서 특정 유형의 작고 분주한 일꾼(분열 세포)을 찾아내는 법을 가르치려 한다고 상상해 보세요. 수년 동안 연구자들은 로봇에게 도시에서 가장 바쁘고 눈에 띄는 건설 현장 사진만을 보여주며 교육해 왔습니다. 로봇들은 그 특정 구역에서 일꾼을 찾는 데 매우 능숙해졌습니다.

하지만 현실 세계에서 의사들은 단지 가장 바쁜 구역만 보는 것이 아니라, 조용한 동네와 일꾼처럼 보이지만 실제로는 일꾼이 아닌 것들이 섞여 있는 혼란스러운 건설 현장을 포함하여 도시 전체를 스캔해야 합니다.

이 논문은 컴퓨터 과학자들로 구성된 18개 팀이 로봇이 쉬운 곳뿐만 아니라 도시 어디에서든 이 "일꾼"(유사 분열상)을 찾을 수 있도록 만드는 데 도전한 거대한 대회인 MIDOG 2025 챌린지를 설명합니다. 또한 그들은 로봇이 찾아낸 일꾼이 정상적으로 일을 하고 있는지, 아니면 "비정형적"(이상하거나 잠재적으로 위험한 행동을 하는 중)인지 판단하는 두 번째 과제도 수행했습니다.

다음은 단순한 비유를 사용한 연구 결과의 요약입니다:

1. "일꾼 찾기" 게임 (Track 1)

첫 번째 과제는 세 가지 다른 유형의 동네에서 모든 분열 세포를 찾는 것이었습니다:

"핫스팟(Hotspot)" 동네: 일꾼들이 도처에 널려 있는 명확하고 바쁜 건설 구역입니다. (이전 챌린지들이 사용했던 방식입니다).
"랜덤(Random)" 동네: 도시 전체의 일반적이고 평균적인 모습을 나타내는 무작위로 잘라낸 단면입니다.
"챌린징(Challenging)" 동네: 일꾼처럼 보이지만 실제로는 일꾼이 아닌 것들(예: 죽은 세포나 잉크 자국)로 가득 찬 까다로운 구역입니다.

거대한 반전:
로봇들은 "핫스팟" 동네에서는 매우 뛰어난 성능을 보였습니다. 하지만 "랜덤"이나 "챌린징" 동네로 발을 들이는 순간 실수를 하기 시작했습니다.

비유: 보안 요원이 북적이는 경기장(핫스팟)에서는 도둑을 완벽하게 잡아내지만, 조용한 도서관(랜덤)이나 똑같은 코스튬을 입은 사람들로 가득한 방(챌린징)에 배치되면 무고한 사람들을 보고 "도둑이다!"라고 소리 지르는 것과 같습니다.
결과: "챌린징" 구역에서 로봇의 오보(무고한 것을 일꾼이라고 부르는 것)는 208% 급증했습니다. 이는 현재의 기술가 아직 조직 슬라이드 전체를 신뢰할 수 있게 스캔하기에는 준비가 덜 되었음을 의미합니다. 혼란스러운 구역에서 너무 쉽게 당황하기 때문입니다.

2. "정상 vs 이상함" 게임 (Track 2)

두 번째 과제는 로봇이 찾아낸 일꾼들을 보고 다음과 같이 결정하는 것이었습니다: "이 일꾼은 정상인가, 아니면 이상하고 위험한 일꾼인가?"

결과: 로봇들은 이 작업에 훨씬 더 능숙했습니다. 상위 팀들은 약 **91%**의 정확도를 기록했습니다.
함정: 여기서도 로봇은 희귀한 종양 유형 앞에서 고전했습니다. 이는 마치 10,000명의 군중 속에서 이상 행동을 포착하는 데는 능숙하지만, 한 번도 본 적 없는 매우 특정한 소수 집단이 모인 군중을 마주했을 때 혼란스러워하는 보안 요원과 같습니다.

3. "비밀 무기" (실제로 도움이 된 것은 무엇인가?)

연구자들은 우승한 로봇들의 내부를 들여다보며 그들이 어떤 기술을 사용했는지 확인했습니다.

"집단 사고" 전략 (Ensembling):
- 설명: 하나의 로봇을 사용하는 대신, 일부 팀은 3~5개의 로봇 팀을 사용하여 정답에 대해 투표하게 했습니다.
- 효과가 있었나? 네. 이것이 가장 일관된 향상 요소였습니다. 이는 단일 의견 대신 전문가 위원회를 두는 것과 같았습니다. 이 방식은 특히 까다로운 구역에서 전반적인 점수를 높여주었습니다.
- 참고: 두 번째 트랙의 절대적인 1위 팀은 이 기술을 사용하지 않았습니다. 이는 승리하기 위해 반드시 위원회가 필요한 것은 아니지만, 보통은 도움이 된다는 것을 증명합니다.
"재확인" 전략 (Test-Time Augmentation):
- 설명: 로봇에게 동일한 이미지를 뒤집거나, 회전시키거나, 확대하여 보여주며 여전히 일꾼을 찾아내는지 확인하는 방식입니다.
- 효과가 있었나? 아니요. 별로 도움이 되지 않았습니다. 실제로 이 방식은 로봇을 더 똑똑하게 만들지는 못하면서 컴퓨터 자원과 시간만 더 많이 소모했습니다. 이는 사람이 사진을 보고 나서, 혹시 놓친 실수가 있을까 싶어 사진을 거꾸로 돌려 다시 보는 것과 같습니다. 이 로봇들에게는 그저 시간 낭비였습니다.

4. "사각지대"

논문은 로봇들의 "사각지대"를 강조합니다.

종양 유형: 로봇은 흔한 종양에는 잘 작동했지만, 희귀하거나 매우 지저륙한 모습의 종양(예: 인간 글리오블라스토마)에는 크게 고전했습니다.
맥락(Context): 로봇들은 주로 일꾼의 얼굴만을 확대한 작은 이미지로 훈련되었습니다. 그래서 주변 동네의 "큰 그림"을 놓쳤습니다. 논문은 앞으로 더 나은 로봇이 되기 위해서는 일꾼의 얼굴만이 아니라 전체 동네를 봐야 한다고 제안합니다.

결론

MIDOG 2025 챌린지는 AI가 조직 슬라이드의 "쉬운" 부분에서 분열 세포를 찾는 데는 매우 뛰어나지만, 아직 슬라이드 전체를 스캔할 만큼 신뢰할 수 있는 수준은 아니다라는 것을 증명했습니다.

현재 상태: "핫스팟"에는 강하지만, "챌린징" 구역에는 취약합니다.
해결책: 우리는 이 로봇들을 완벽하게 다듬어진 사진이 아니라, 더 다양하고 혼란스러우며 "현실적인" 데이터로 훈련시켜야 합니다.
핵요점: 병원에서 환자의 전체 조직 샘플을 스캔하도록 이 로봇들을 신뢰하기 전에, "챌린징" 동네에 있는 "가짜들" 때문에 당황하지 않도록 반드시 확인해야 합니다.

기술 요약: 야생에서의 유사분열 탐지 – MIDOG 2025 챌린지를 통한 다중 종양 및 문맥 인식 일반화

1. 문제 정의

자동화된 유사분열 수치(mitotic figure, MF) 탐지는 암의 공격성을 평가하기 위한 계산 병리학 분야의 핵심적인 과제입니다. 기존의 벤치마크(예: MITOS, MIDOG 2021/2022)는 주로 전문가가 선정한 "핫스팟(hotspot)" 영역, 즉 세포 밀도와 유사분열 활성이 높은 영역에 의존해 왔습니다. 이러한 접근 방식은 샘플링 편향을 유발하며, 다양한 조직 구조, 무작위 영역, 그리고 유사분열과 형태학적으로 유사한 구조물(세포 사멸 또는 괴사 잔해 등 '임포스터(imposter)'라 불리는 것들)이 풍부한 영역을 처리해야 하는 실제 임상 워크플로우의 가변성을 반영하지 못합니다.

또한, 비정형 유사분열(atypical mitotic figures, AMF)의 예후적 중요성(염색체 불안정성 및 공격적 종양 행동의 지표)은 확립되어 있으나, AMF 분류를 위한 대규모 다중 도메인 데이터셋은 부족한 실정이었습니다. MIDOG 2025 챌린지는 전례 없는 생물학적 다양성(인간, 개, 고양이의 12가지 종양 유형)과 문맥적 다양성(핫스팟, 무작위, 도전적 영역)에 걸친 알고리즘의 강건성을 평가함으로써 이러한 격차를 해소하도록 설계되었습니다.

2. 방법론

챌린지 설계 및 데이터

챌린지는 두 개의 독립적인 트랙으로 구성되었습니다:

트랙 1: 유사분열 수치 탐지. 참가자들은 2 mm² 관심 영역(ROI) 내에서 MF를 국소화했습니다. 이전 버전과 달리, 평가는 다음을 포함하여 핫스팟을 넘어 확장되었습니다:
- 핫스팟 ROI: 전문가가 선정한 고밀도 영역.
- 무작위 ROI: 전체 슬라이드를 대표하도록 조직 영역에서 균일하게 샘플링된 영역.
- 도전적 ROI: MF 임포스터(예: 염증 세포, 괴사 잔해)와 아티팩트(artifact)가 밀집된 전문가 선정 영역.
- 테스트 세트는 다양한 스캐너 플랫폼에서 디지털화된 12개 종양 도메인(인간 흑색종, 교모세상 세포종, 폐선암 및 다양한 개/고양이 종양 포함)의 122개 케이스에서 추출한 365개 ROI로 구성되었습니다.
트랙 2: 비정형 유사분열 분류. 참가자들은 확인된 MF를 중심으로 한 128×128 px 패치를 "정상(normal)" 또는 "비정형(atypical)"으로 분류했습니다. 테스트 세트는 MIDOG++ 데이터셋에서 파생된 11,939개의 MF를 포함했습니다.

주석 프로토-콜(Annotation Protocol)

트랙 1의 정답(ground truth)은 유사분열 단계를 식별하는 데 도움을 주는 Phosphohistone H3 (PHH3) 면역조직화학(IHC)을 지원하는 2단계 주석 파이프라인을 통해 구축되었습니다.

1단계: 전문 수의병리 의사가 PHH3 보조 라벨링을 사용하여 세포를 주석 달았으며, 이를 다섯 가지 클래스(PHH3 양성/뚜렷한 MF부터 PHH3 음성 임포스터까지)로 분류했습니다.
2단계: 제2의 병리 의사가 H&E 이미지에서 크롭된 패치(30 마이크론)를 MF 또는 비-MF 임포스터로 블라인드 분류했습니다. 의견 불일치는 제3의 전문가에 의해 해결되었습니다.
트랙 2의 경우, AMF 분류는 확립된 가이드라인을 따랐으며, 확인된 MF에 대해 두 명의 병리 의사(및 동점 처리 시 제3자)의 합의를 거쳤습니다.

평가 지표

트랙 1: 주요 지표는 마이크로 평균 F1 점수였습니다. 보조 지표로는 FROC-AUC(이미지당 8개의 허위 양성 제한) 및 **평균 정밀도(AP)**가 포함되었습니다.
트랙 2: 클래스 불균형을 고려하기 위해 주요 지표로 **균형 정확도(Balanced Accuracy, BA)**를 사용했습니다. 보조 지표는 ROC AUC였습니다.
챌린지 후 분석: 주최 측은 제출된 Docker 컨테이너에 대한 절제 연구(ablation studies)를 수행하여 **앙상블(Ensembling)**과 **테스트 시간 증강(Test-Time Augmentation, TTA)**의 효과를 분리하고, 추론 시간 및 VRAM 사용량을 분석했습니다.

3. 주요 기여

1. 평가 범위의 확장

본 연구는 큐레이션된 핫스팟을 넘어 무작위 및 도전적 영역을 포함하는, "야생(in the wild)"에서의 유사분열 탐지에 대한 첫 번째 대규모 평가를 도입합니다. 이러한 전환은 상당한 "임상 신뢰성 격차"를 드러내며, 핫스팟에서 우수한 성능을 보이는 모델이 더 넓은 문맥에서는 실패할 수 있음을 보여줍니다.

2. 다중 도메인 및 다중 종 벤치마크

본 챌린지는 다양한 스캐너에서 디지털화된 인간, 개, 고양이 출신의 12가지 종양 유형을 아우르는 테스트 세트를 활용했습니다. 이는 종 간 차이 및 스캐너 유도 변화에 대한 도메인 일반화 능력을 엄격하게 테스트합니다.

3. 대규모 AMF 데이터셋

본 챌린지는 이 예후 지표에 대한 주석 데이터의 부족 문제를 해결하기 위해 AMF 분류를 위한 종합적인 다중 도메인 데이터셋을 공개했습니다.

4. 공통 기법에 대한 경험적 분석

참가자 제출물에 대한 절제 연구를 통해, 본 논문은 이 특정 도메인에서 앙상블과 TTA의 효용성에 대한 경험적 증거를 제공하며, 이러한 기법들이 보편적으로 유익하다는 가설에 의문을 제기합니다.

4. 결과

트랙 1: 탐지 성능

전반적인 성능: 상위 팀(Lv et al.)은 0.740의 F1 점수를 달성했습니다.
문맥적 변동성: 핫스팟 외부에서 성능이 크게 저하되었습니다.
- 핫스팟: 평균 F1 = 0.735.
- 무작위: 평균 F1 = 0.638.
- 도전적: 평균 F1 = 0.479.
허위 양성률: 도전적 영역에서의 정밀도는 핫스팟의 0.805에 비해 0.400으로 떨어졌으며, 이는 208%의 허위 양성률 증가를 의미합니다.
종양 의존성: 성능은 종 유형에 따라 크게 달랐으며, 인간 교모세상 세포종에서 가장 낮은 중앙값 F1(0.444)을, 개 혈관육종에서 가장 높은 값(0.808)을 기록했습니다.
상관관계: 핫스팟 성능과 도전적 영역 성능 사이에 유의미한 상관관계가 없었으며( $r=0.36, p=0.201$ ), 이는 핫스팟 숙련도가 어려운 영역에서의 강건성을 예측하지 못함을 나타냅니다.

트랙 2: 분류 성능

전반적인 성능: 상위 팀(Balezo et al.)은 0.908의 균형 정확도를 달성했습니다.
종양 의존성: 종 유형에 따라 상당한 편차가 관찰되었습니다. 고양이 림프종은 낮은 재현율(recall)로 인해 가장 낮은 중앙값 BA를 보였고, 인간 성상세포종은 가장 높았습니다.

방법론적 통찰 (절제 연구)

앙상블: 일관된 이득을 제공했습니다. 트랙 1에서 앙상블은 F1을 평균 1.55 퍼센트 포인트 증가시켰으며, 도전적 영역에서 그 이득이 더 커졌습니다. 트랙 2에서는 BA를 1.30 퍼센트 포인트 증가시켰습니다.
테스트 시간 증강 (TTA): 미미하거나 의미 있는 개선을 보이지 않았습니다. 트랙 1에서 TTA는 F1에서 단 0.32 퍼센트 포인트의 평균 증가를 보였으며, 중앙값은 -0.042 포인트 감소였습니다.
아키텍처 트렌드:
- 트랙 1: YOLO 제품군(v5–v12)이 지배적인 객체 탐지 프레임워크였습니다.
- 트랙 2: 상위 성과자들 사이에서는 파운데이션 모델(예: DINOv3, Virchow, UNI)의 저계수 적응(Low-Rank Adaptation, LoRA)이 주요 전략이었습니다.

5. 의의 및 주장

본 논문은 "야생에서의" 유사분열 탐지가 여전히 중대한 난제임을 입증한다고 주장합니다. 핫스팟 전용 평가에서 다중 문맥적 프레임워크로의 전환은 현재의 최첨단 아키텍처들이, 특히 희귀 종양 유형이나 매우 다형성(pleomorphic)이 높거나 임포스터가 많은 영역에서 "사각지대"를 가지고 있음을 드러냅니다.

저자들이 강조하는 핵심 사항은 다음과 같습니다:

임상 신뢰성 격차: 핫스팟에서만 검증된 모델은 무작위 및 도전적 영역에서의 높은 허위 양성률 때문에 일상적인 WSI 분석에 신뢰할 수 없습니다.
데이터 큐레이션의 필요성: 향후 데이터셋은 도메인 변동성(종양 유형, 스캐너)과 결정적으로 **공간적 문맥(spatial context)**의 주석을 우선시해야 합니다. 패치 기반 데이터셋(예: 64×64 px)은 유사분열과 임포스터를 구별하기 위해 주변 조직 구조에 의존하는 객체 탐지 모델을 방해할 수 있습니다.
기법의 효용성: 앙상블은 일반화 능력을 향상시키는 강력한 방법이지만, TTA는 이 특정 작업에서 큰 이점을 제공하지 않는 것으로 보이며 계산 오버헤드만 추가합니다.
평가 표준: 본 챌린지는 다양한 생물학적 및 문맥적 경관에 대한 일반화를 보상하는 새로운 벤치마크를 설정하여, 이 분야를 임상적으로 배포 가능한 솔루션에 더 가깝게 이동시킵니다.

저자들은 핫스팟 탐지는 견고하지만, 책임 있는 임상 적용을 위해서는 핫스팟을 넘어선 엄격한 검증과 다양한 훈련 자원의 큐레이션에 집중해야 한다고 결론지었습니다.