HERMES: A Hybrid Ensemble for Head-and-Neck Tumor Segmentation, TN Staging, and Recurrence-Free Survival on PET/CT

기술 요약: HERMES: 두경부 종양 분할, TN 병기 결정 및 무재발 생존율 예측을 위한 하이브리드 앙상블

문제 정의
본 논문은 HECKTOR 2026 챌린지를 다룹니다. 이 챌린지는 쌍을 이룬 FDG-PET/CT 스캔과 전자 건강 기록(EHR)을 사용하여 두경부(H&N) 인두암에 대해 세 가지 별개의 작업을 수행하는 단일 컨테이너화된 알고리즘을 요구합니다:

1. 분할 (Segmentation): 일차 종양(GTVp) 및 연관 림프절(GTVn)의 경계 획정.
2. 병기 결정 (Staging): AJCC/UICC 7판 기준에 따른 방사선학적 T 및 N 병기 결정.
3. 예후 (Prognosis): 무재발 생존율(RFS) 예측.

각 작업에 대해 별도의 알고리즘을 허용했던 이전 버전들과 달리, HECKTOR 2026은 분할 출력이 다운스트림 의사결정을 주도하는 임상 워크플로우를 반영하여, 분할 결과가 병기 결정 및 생존 예측에 직접적으로 정보를 제공하는 통합된 파이프라인을 의무화합니다.

방법론
제안된 시스템인 HERMES(Radiotherapy-target segmentation, Malignancy staging, and Event-free Survival을 위한 하이브리드 앙상블)는 소규모 공공 검증 세트(~50명 환자)에 대한 과적합을 방지하기 위해 엄격한 교차 검증(out-of-fold, OOF)을 통해 선택된 모듈형 멀티태스크 아키텍처를 채택합니다.

• 분할 (Segmentation):

  • 아키텍처: 확장 가능한 잔차 U-Net 변형인 STU-Net Small(약 1,400만 개의 파라미터)의 10-fold 앙상블.
  • 학습: 160×160×192 패치에서 random initialization으로부터 deep supervision, Dice + Cross-Entropy 손실, 그리고 광범위한 증강(모달리티별 해상도 시뮬레이션 및 PET 채널 드롭아웃 포함)을 사용하여 학습되었습니다.
  • 앙상블: 최종 배포에는 30개의 체크포인트(각 fold당 상위 3개)와 테스트 타임 증강(flips, gamma)을 사용합니다.
  • 후처리: 작은 성분을 제거하는 연결 성분 필터링(GTVp < 1000 mm³, GTVn < 500 mm³)을 수행하고, 상위 2개의 GTVp와 상위 8개의 GTVn 성분을 유지하며, 저섭취 림프절 위양성을 제거하기 위해 SUV > 2.5 게이트를 적용합니다.

• TN 병기 결정 (TN Staging):

  • 핵심 혁신: 병기 모델에 일반적인 라디오믹스 벡터를 전달하는 대신, 예측된 마스크로부터 직접 유도된 압축된 기하학적 특징(geometry features) 세트를 사용합니다. 이 특징들은 7판 기준의 병기 축과 일치합니다:
    • N-stage: 림프절 개수, 최대 성분 부피/범위, 지배적 비율(dominance fraction), 그리고 총 림프절 부담량.
    • T-stage: 일차 종양의 범위 및 부피.
  • 모델:
    • N-stage: 임상 데이터와 7차원의 기하학적 블록(30차원의 라디오믹스 블록을 대체)을 사용하는 L1 정규화 로지스틱 회귀.
    • T-stage: 3D ResNet-18 기반의 딥 T-헤드와 임상, 라디오믹스, 그리고 일차 기하학적 특징을 결합한 로지스틱 회귀의 등가 가중치 융합.
  • Deep Expert: 마스크 중심점에 위치한 96³ 패치를 처리하며, 이미지 특징과 18차원 임상 임베딩을 융합하는 DualHeadFusionResNet.

• 무재발 생존율 (RFS):

  • 앙상블 전략: 융합 가중치의 과적합을 피하기 위해 위험 전문가(risk experts)들의 등가 가중치 z-평균 앙상블을 사용합니다.
  • 구성 요소: 멀티 스케일 딥 생존 모델, 단일 태스크 딥 모델, 고전적 임상 Cox 모델, 그리고 새로운 일치도 추적 손실(concordance-tracking loss) 전문가를 포함합니다.
  • 일치도 추록 손실 전문가: $1 - \text{C-index}$를 근사하는 쌍별 시그모이드 손실(pairwise sigmoid loss)을 사용하여 학습됩니다. Cox 부분 가능도(partial likelihood)와 달리, 이 손실 값은 훈련 중 C-index를 직접 추적하여 조기 종료 및 체크포인트 선택을 위한 해석 가능한 신호를 제공합니다.

주요 기여

1. 병기 결정을 위한 기하학적 정렬 특징: 일반적인 강도/질감 라디오믹스보다 임상적 병기 결정 기준(림프절 개수 및 크기)을 명시적으로 반영하는 특징이 N-staging에서 더 효과적임을 입증했습니다. 이 접근 방식은 차원을 축소(30개 특징 대비 7개 특징)하고 균형 정확도(balanced accuracy)를 향상시킵니다.
2. 통합 멀티태스크 파이프라인: 분할 마스크가 다운스트림 병기 결정 및 생존 과업을 구동하는 단일 컨테이너화된 시스템이며, 엄격한 OOF 프로토콜을 통해 검증되었습니다.
3. 해석 가능한 생존 훈련: 표준 Cox 손실 대신 평가 지표(C-index)와 직접적으로 정렬된 훈련 신호를 제공하는 일치도 추적 손실의 채택은 해석 가능성을 제공합니다.
4. 정규화 지향적 선택: (예: 등가 가중치 앙상블, L1 정규화, 센터 간 전송을 위한 임상 전용 리스크 모델 등) 소규모 검증 세트에서의 미미한 점 추정 이득보다는 안정성과 일반화 가능성을 우선시하는 프로토콜을 강조합니다.

결과
HECKTOR 2026 홀드아웃 검증 세트(~50명 환자)에서 배포된 HERMES+ 구성은 다음과 같은 성능을 달성했습니다:

• 분할 (Segmentation): 평균 Dice 0.641 (GTVp: 0.714, GTVn: 0.688 on OOF).
• 병기 결정 (Staging): 균형 정확도(Balanced Accuracy) 0.580 (T-stage) 및 0.642 (N-stage).
• 생존 (Survival): C-index 0.679.

내부 OOF 분석 (782명 환자):

• N-Stage: 라디오믹스를 기하학적 특징으로 교체했을 때 균형 정확도가 0.691에서 0.720으로 증가했습니다. 예측된 마스크 상에서 이 이득의 95% CI가 0을 포함하더라도, 그라운드 트루스(ground-truth) 마스크를 사용한 분석에서는 통계적으로 유의미한 개선(0.837 대 0.897)이 나타났으며, 이는 이득이 마스크의 아티팩트가 아닌 특징의 기하학적 구조에서 기인함을 확인시켜 줍니다.
• Survival: 일치도 손실 전문가는 OOF 데이터에서 Cox로 훈련된 쌍 모델의 C-index인 0.693에 비해 0.713의 C-index를 달성했습니다. 그러나 세 가지 훈련 시드(seed) 전체에서 그 차이는 노이즈 범위 내에 있었으며, 이는 이 손실의 주요 가치가 정확도의 결정적 향상보다는 해석 가능성에 있음을 시사합니다.

의의 및 주장
저자들은 다운스트림 특징을 특정 임상 과업의 결정 경계(특히 N-staging의 크기 및 개수 축)와 정렬하는 것이 일반적인 기술자(descriptors)를 사용하는 것보다 더 효과적이라는 점을 입증하는 것이 주요 기여라고 주장합니다. 본 논문은 기하학적 기준으로 정의된 과업의 경우, 그 정의를 구현하는 특징이 우월하다고 상정합니다.

저자들은 대부분의 설계적 이득(일치도 손실 개선 포함)이 교차 검증의 변동성 범위 내에 있다는 점을 언급하며 통계적 유의성에 대해 겸손한 태도를 보입니다. 그들은 N-stage의 개선이 예측된 마스크에서는 통계적으로 유의미한 돌파구라기보다는 "잘 뒷받침되는 추세"라고 강조하지만, 분할 품질이 이상적일 때 그 효과는 견고합니다. 또한, 분할 품질이 모든 다운스트림 과업의 공유된 병목 구간임을 강조하며, GTVn Dice의 개선이 N-staging의 향상으로 직접 전파될 것임을 밝히고 있습니다. 이 시스템은 HECKTOR 2026 챌린지의 테스트 단계 진출 자격을 얻었습니다.