Normative volumetric growth modeling of the whole fetal body, placenta and amniotic fluid for 3-dimensional T2-weighted magnetic resonance imaging

기술 요약: 태아 전체 체부, 태반 및 양수의 규범적 체적 모델링

문제 정의
태아 MRI는 초음파에 비해 우수한 연조직 대조도와 진정한 3차원 정보를 제공하지만, 태아, 태반 및 양수의 정량적 체적 평가는 임상 실무에서 여전히 드물게 수행되고 있다. 현재의 한계점은 다음과 같다:

1. 노동 집약적인 수동 분할: 기존 방식은 움직임으로 인해 손상된 2D 이미지 스택의 수동 분할에 의존하며, 이는 시간이 오래 걸리고, 검사자의 숙련도에 의존하며, 특히 양수강과 같은 큰 구조물의 경우 오류가 발생하기 쉽다.
2. 3D 자동화의 부재: 딥러닝 접근 방식은 일반적으로 가공되지 않은 2D 스택에서 단일 구조물을 분할하는데, 이는 슬라이스 정렬 불량과 관통 평면 움직임(through-plane motion)으로 인해 정확도가 제한된다. 3D 재구성된 MRI에서 전 자궁(whole-uterus)의 동시 체적 측정을 위한 신뢰할 수 있는 자동화 솔루션을 제공하는 기존 방법은 없다.
3. 규범 데이터의 부재: 다양한 MRI 자기장 강도에서 얻은 건강한 대조 임신 사례로부터 도출된 태아, 태반, 양수 체적에 대한 결합된 규범 성장 차트가 존재하지 않는다. 임상의들은 측정된 체적을 해석하거나 각 구획 간의 상호 관계를 평가하기 위한 표준화된 백분위수(centiles)와 z-score를 갖추고 있지 않다.

방법론
본 연구는 3D T2 강조(T2W) 태아 MRI를 사용하여 전 자궁 체적 측정을 위한 통합 자동화 파이프라인을 개발하였다.

• 데이터 획득 및 전처리:

  • 코호트: 본 연구는 0.55T, 1.5T, 3T MRI 시스템에서 획득한 16~41주 임신 주수(GA)의 스캔 506개를 활용하였다.
  • 그룹: 357명의 건강한 만삭 대조군(37주 이상의 출산 확인), 86명의 조산/고위험 사례(PPROM을 포함한 32주 이하 출산), 그리고 63개의 추가 데이터셋을 사용하였다.
  • 재구성: 움직임으로 손상된 T2W 스택에 변형 가능한 슬라이스-투-볼륨 3D 재구성(DSVR)을 적용하여, SVRTK 프레임워크를 통해 슬라이스 간 정렬 불량을 교정하고 고해상도(1.2 mm 등방성) 3D 이미지를 생성하였다.

• 자동 분할:

  • 아키텍처: MONAI 프레임워크 내에서 3D U-Net 모델을 학습시켰다.
  • 학습 데이터: 다양한 자기장 강도, 임신 주수 범위 및 해부학적 변이(이상 사례 및 조산 사례 포함)를 아우르는 223개의 수동 큐레이션된 3D DSVR 재구성을 사용하였다.
  • 레이블: 모델은 네 가지 레이블(머리와 몸통이 분리된 태아 전체, 태반, 양수)을 분할한다. 탯줄은 체적 측정에서 제외된다.
  • 그라운드 트루스(Ground Truth): 레이블은 기존 DL 모델, ITK-SNAP에서의 수동 분할, 그리고 교차 정제(interleaved refinement) 과정을 결합한 반복적인 과정을 통해 생성되었다.

• 규범 모델링 및 분석:

  • 모델 도출: 학습된 모델을 357개의 건강한 만삭 대조군 데이터셋에 적용하였다. 시각적 검사와 미세한 수동 정제(전체의 25% 미만)를 거친 후, 이차 회귀(quadratic regression)를 사용하여 체적 및 z-score에 대한 규범 성장 곡선(5th, 50th, 95th 백분위수)을 생성하였다.
  • 통계 분석: 공분산 분석(ANCOVA)을 통해 체적, 임신 주수, 산모 특성(키, 체중, 인종) 및 출생 체중 간의 상관관계를 평가하였다.
  • 검증: 파이프라인은 43개의 독립적인 데이터셋에서 테스트되었으며, 42명의 태아와 86명의 조산 임신에서 얻은 95개의 종단적 스캔을 통해 임상적 유용성을 평가하였다.

주요 기여

1. 최초의 통합 파이프라인: 0.55T~3T 자기장 강도 전반에 걸쳐 움직임이 교정된 3D 재구성 T2W 태아 MRI에서 태아, 태반 및 양수의 동시 분할과 체적 측정을 수행하는 최초의 자동 딥러닝 파이프라인을 도입하였다.
2. 규범 성장 모델: 대규모 코호트(n=357)의 확인된 건강한 만삭 임신으로부터 도출된 세 가지 자궁 내 구획 모두에 대한 최초의 결합된 규범 체적 성장 차트를 생성하였다.
3. 임상 보고 도구: 백분위수와 z-score를 계산하고, 분할 시각화가 포함된 구조화된 HTML 보고서를 생성하며, 태아 체적에 기반한 추정 태아 체중을 계산하는 보고 도구를 개발하였다.
4. 공공 가용성: 모든 자동 분할 구성 요소, 백분위수 계산기 및 보고 스크립트는 auto-SVRTK 저장소를 통해 공개된다.

결과

• 분할 정확도: 자동화된 파이프라인은 높은 질적 점수(평균 >3.6/4)와 함께 정확한 3D 레이블을 생성하였다. 대조군 코호트의 25% 미만에서 미세한 국소적 교정(체적 차이 <1%)이 필요하였으며, 주로 태반-자궁근층 경계면과 태아 사지 주변에서 발생하였다.
• 성장 궤적:
  • 태아 체적: 임신 주수(GA)와 강한 양의 상관관계를 보였으며, 30주 이후 변동성이 증가하였다. 남성 태아가 여성보다 유의하게 높은 체적을 보였다.
    의
  • 태반 체적: 임신 주수와 함께 유의하게 증가하였으며, 산모의 키, 체중 및 태아 체적과 양의 상관관관계를 보였다.
  • 양수: 중간 임신 주기에 정점을 찍고 만삭을 향해 감소하는 이차 패턴을 따랐으며, 높은 피험자 간 변동성을 나타냈다.
  • 상관관계: 체적과 백분위수는 출생 체중과 강한 상관관계를 보였다. 태아와 태반의 성장률은 약하게 상관된 반면, 태아 성장은 양수의 기울기와 중간 정도의 음의 상관관계를 보였다.
• 자기장 강도 효과: 일반적인 경향성은 겹쳤으나, ANCOVA 결과 1.5T와 3T 코호트 간에 태아 및 태반 체적의 유의미한 차이가 발견되었으며, 이는 생물학적 변이가 아닌 GA 분포 및 프로토콜 요인에 의한 것으로 판단된다.
• 임상적 유용성 (조산 vs. 만삭):
  • 조산 임신(≤32주)은 만삭 대조군에 비해 태아, 태반 및 양수 체적과 백분위수가 유의하게 낮았다.
  • 파이프라인은 양수 백분위수가 종종 5th 미만인 고위험 사례(예: PPROM)에서 나타나는 편차를 성공적으로 식별하였다.
  • 종단적 스캔 결과, 개별 궤적이 태아 및 태반 체적에 대한 규범 곡선을 밀접하게 추적하여 모델의 모니터링 적용 가능성을 입증하였다.

의의
저자들은 본 연구가 수동 2D 분할의 한계를 극복하는 견고하고 표준화된 정량적 태아 MRI 프레 থাক framework를 제공한다고 주장한다. 전 자궁에 대한 첫 번째 결합된 규범 모델을 구축함으로써, 이 연구는 측정된 체적이 기대 범위 내에 있는지 결정하는 데 필수적인 z-score 및 백분위수 계산을 가능하게 한다. 이 파이프라인은 정상 및 고위험 임신 모두에서 성장 패턴을 평가하기 위한 실용적인 도구를 제공하며, 비정상적인 발달 궤적의 조기 식별을 지원하고 향-장기별(organ-specific) 체적 측정 및 임상 통합을 위한 토대가 된다.