CFB-GBM v2.0: An Augmented Longitudinal Dataset for Multi-Modal Glioblastoma Segmentation, Radiomics, and RANO Progression Tracking

교모세포종은 성인에게 발생하는 가장 공격적인 형태의 원발성 뇌암으로, 무서운 속도로 진행되며 환자의 중앙 생존 기간을 단 15개월에 불과하게 만드는 질병입니다. 종양이 환자마다 매우 다르게 행동하기 때문에, 의사들은 누가 치료에 반응하고 누가 그렇지 않을지를 예측하는 데 어려움을 겪습니다. 현재 치료가 효과적인지 판단하는 표준적인 방법은 몇 달에 걸쳐 촬영된 자기공명영상(MRI)에 의존하는 것인데, 의사들은 종양 크기의 변화를 관찰합니다. 하지만 이 과정은 느립니다. 종양이 실제로 성장하고 있는 것인지, 아니면 치료 자체로 인한 염증 때문에 커 보이는 것인지를 구별하는 데 종종 두 달이 걸리기도 합니다. 이러한 지연은 치명적입니다. 시간과의 싸움에서 실패한 치료 계획을 조정하기 위해 두 달을 기다리는 것은 삶과 죽음의 차이를 만들 수 있습니다. 이를 해결하기 위해 연구자들은 환자의 종양이 정확히 어떻게 변하고 치료에 어떻게 반응하는지를 보여주는, 시간을 두고 추적한 방대한 양의 상세한 의료 데이터가 필요합니다. 그러나 그러한 데이터는 민간 병원의 기록 속에 잠겨 있거나 신뢰할 수 있는 컴퓨터 모델을 구축하는 데 필요한 결정적인 세부 정보가 누락되어 있어 매우 부족한 실정입니다.

프랑스의 연구진은 과학자와 의사들이 이러한 난관을 극복할 수 있도록 설계된 공개 데이터베이스에 중요한 업데이트를 발표했습니다. CFB-GBM v2.0이라 불리는 이 새로운 컬렉션은 2017년부터 2023년 사이에 단일 종양 센터에서 교모세포종 치료를 받은 264명 환자의 의료 기록과 스캔 데이터를 통합했습니다. 이 데이터셋은 특별한데, 치료 여정의 세 가지 뚜렷한 시점, 즉 치료 시작 전과 그로부터 약 4개월 및 6개월 후의 과정을 추적하기 때문입니다. 각 시점마다 이 데이터베이스에는 다양한 유형의 MRI 스캔과 CT 스캔을 포함한 풍부한 종류의 이미지와 함께, 환자들이 받은 방사선 조사량의 정밀한 지도도 포함되어 있습니다. 이번 버전에서 가장 중요한 추가 사항은 연구진이 퍼즐의 빠진 조각들을 이제 채워 넣었다는 점입니다. 즉, 모든 환자에 대해 모든 시점에서의 상세한 종양 윤곽(outlines)을 생성해 냈습니다. 기존 버전의 데이터에서는 대부분의 환자에 대해 후기 단계의 윤곽이 누락되어 있어, 시간이 경과함에 따라 종양이 어떻게 변하는지 연구하는 것이 불가능했습니다. 이제 거의 모든 환자에 대해 윤곽이 완성됨에 따라, 이 데이터베이스는 질병 진행의 전체 이야기를 보여줄 수 있게 되었습니다.

이 새로운 윤곽들을 만들기 위해 연구팀은 모든 종양을 일일이 손으로 직접 그리는 작업, 즉 수년이 걸릴 수도 있는 작업을 수행하지 않았습니다. 대신, 그들은 정교한 컴퓨터 프로그램을 훈련시켜 그 일을 수행하게 했습니다. 그들은 이미 다른 대규모 의료 영상 컬렉션으로부터 뇌종양을 인식하는 법을 배운 모델로 시작했습니다. 그런 다음 자신들의 환자들로부터 얻은 소수의 고품질 윤곽을 사용하여 이 프로그램을 가르쳤습니다. 컴퓨터가 패턴을 학습하자, 나머지 그룹에 대한 누락된 종양 윤곽을 자동으로 생성했습니다. 컴퓨터가 실수를 하고 있지 않은지 확인하기 위해, 5명의 전문 방사선 종양학자가 무작위로 선택된 새로운 윤곽들을 검토했습니다. 그들은 컴퓨터의 작업이 전문가들의 수정 사항과 거의 완벽하게 일치할 정도로 놀라울 정도로 정확하다는 것을 발견했습니다. 이러한 검증은 다른 과학자들이 스스로 종양을 다시 그리는 데 몇 달을 소비할 필요 없이, 이 자동 생성된 윤곽들을 사용하여 자신들의 도구를 훈련시킬 수 있다는 확신을 줍니다.

모든 단계의 모든 환자에 대한 종양 윤곽이 완성됨에 따라, 연구진은 방문 간에 종양이 정확히 얼마나 줄어들거나 커졌는지 계산할 수 있었습니다. 그들은 전 세계 의사들이 사용하는 표준 규칙을 적용하여 결과를 분류했습니다. 이 규칙들은 환자의 반응을 종양의 완전한 소실, 부분적 수축, 종양이 크게 자라지 않는 안정 상태, 또는 종양이 더 커지는 진행 상태로 분류합니다. 모든 가능한 시점 쌍에 대해 이 작업을 수행함으로써, 팀은 각 환자가 치료에 어떻게 반응했는지에 대한 명확하고 즉시 사용 가능한 기록을 제공했습니다. 이를 통해 이 데이터셋은 치료 성공을 조기에 예측할 수 있는 인공지능 시스템을 구축하려는 연구자들에게 즉각적으로 유용해졌으며, 이는 잠재적으로 질병이 너무 많이 진행되기 전에 의사가 전략을 바꿀 수 있게 해줍니다.

종양 윤곽과 반응 범주 외에도, 데이터셋에는 연구를 더 쉽고 일관되게 만들기 위한 다른 도구들이 포함되어 있습니다. 연구팀은 인간의 눈으로는 볼 수 없는 방식으로 종양의 내부 구조를 설명하는, 종양의 질감과 모양에 대한 사전 계산된 측정값인 라디오믹 특징(radiomic features)을 제공했습니다. 또한 뇌를 머리의 나머지 부분으로부터 분리하는 마스크도 포함했는데, 이는 연구자들이 뼈나 피부의 간섭 없이 관련 영역에 분석을 집중할 수 있도록 돕습니다. 나아가, 데이터베이스에는 각 환자를 진단하는 데 사용된 세계보건기구(WHO) 분류 지침의 버전이 명확하게 기재되어 있는데, 이는 2021년에 교모세포종의 정의가 특정 유전적 표지를 요구하도록 변경되었기 때문에 중요한 세부 사항입니다.

이러한 주요 개선 사항에도 불구하고, 연구진은 데이터가 아직 말해줄 수 없는 부분에 대해 주의를 기울이고 있습니다. 이 데이터베이스에는 환자의 예후를 예측하는 강력한 지표인 IDH 유전자 상태와 같은 종양 내부의 구체적인 유전적 돌연변이에 대한 정보가 포함되어 있지 않습니다. 이러한 유전 정보 없이는, 데이터셋을 사용하여 종양의 유전자와 그 행동 사이의 연관성을 연구할 수 없습니다. 저자들은 향후 업데이트에 이러한 누락된 유전적 세부 사항을 포함하고, 종양 윤곽을 종양의 죽은 중심부와 활성 가장자리처럼 더 미세한 부분으로 나눌 수 있다고 제안합니다. 그러나 현재로서는 CFB-GBM v2.0이 견고하고 접근 가능한 자원으로서 자리 잡고 있습니다. 이는 흩어져 있던 의료 기록의 모음을 264명 환자의 일관된 종단적 이야기로 변모시켜, 과학계가 이 파괴적인 질병을 추적하고, 예측하며, 궁극적으로 치료하는 더 나은 방법을 개발할 수 있는 탄탄한 토대를 제공합니다.