RCC-AID: Renal Cell Carcinoma AI Dataset for Medical Imaging Research

디지털 탐정의 새로운 도구 상자

컴퓨터가 초강력 탐정이 되어 암과 같은 질병에 대한 숨겨진 단서를 찾기 위해 의료 영상을 스캔하는 세상을 상상해 보십시오. 진정으로 실력을 갖추기 위해서, 이 컴퓨터 "두뇌"(인공지능 또는 AI로 알려진)는 마치 학생이 시험을 통과하기 위해 수천 권의 교과서를 공부해야 하는 것처럼, 수백만 개의 사례를 통해 연습해야 합니다. 신장암, 특히 투명 세포형 신세포암(RCC)이라 불리는 유형의 세계에서 의사들은 인체의 내부를 단면으로 보여주는 매우 상세한 3D X선인 CT 스캔에 크게 의존합니다. AI가 종양을 포착하고, 해롭지 않은 액체 주머니(낭종)와 위험한 고형 종괴를 구별하며, 심지어 특정 암의 "맛(종류)"이 무엇인지 추측하는 법을 배우려면, 퍼즐의 모든 조각 주변에 정밀한 윤곽선을 그려줄 누군가가 필요합니다. 이 과정을 "어노테이션(annotation, 주석 달기)"이라고 부릅니다.

하지만 큰 문제가 있습니다. 공공 의료 아카이브에는 풍부한 원시 CT 스캔이 있지만, AI에게 무엇이 무엇인지 정확히 알려주는 상세한 그림(어노테이션)은 누락되었거나, 일관성이 없거나, 혹은 잠겨 있는 경우가 많습니다. 이는 마치 미스터리 소설이 가득한 도서관을 가지고 있지만, 당신의 탐정 업무가 맞는지 확인할 수 있는 정답지가 없는 것과 같습니다. 이러한 공유된 고품질의 정답지가 없다면, 서로 다른 연구 팀들은 각자 호환되지 않는 별도의 규칙을 만들게 되어, 누가 실제로 더 뛰어난 탐정인지 비교하기 어려워집니다. 이 논문은 모두가 동일한 규칙을 따르고 동일한 고품질 훈련 데이터를 사용하도록 보장하기 위해, 신장암 연구를 위한 거대하고 오픈 소스인 "정답지"를 만듦으로써 이 간극을 메우고자 합니다.

위대한 신장 지도 프로젝트

신장암 스캔의 미개척지를 지도화하기로 결정한 디지털 지도 제작자 그룹인 RCC-AID 팀을 만나보십시오. 그들은 "TCGA"(거대한 공공 암 데이터 도서관)에 수천 개의 CT 스캔이 있음에도 불구하고, AI가 학습하는 데 필요한 결정적인 "X 표시가 된 지점" 그림이 부족하다는 것을 깨달았습니다. 이를 해결하기 위해 그들은 단순히 추측하지 않았습니다. 대신, 그들은 AI 모델 훈련의 황금 표준 역할을 할 RCC-AID(Renal Cell Carcinoma AI Dataset, 신세 세포암 AI 데이터셋)라는 거대한 오픈 데이터셋을 구축했습니다.

그들이 이 데이터 탈취 작전을 어떻게 수행했는지 소개합니다:

좋은 스캔을 찾는 과정
팀은 세 곳의 신장암 아카이브에서 1,915개의 CT 스캔 더미를 뒤지는 것으로 시작했습니다. 그들은 너무 흐릿하거나, 슬라이스가 누락되었거나, 수술 후에 촬영된 스캔들을 걸러내기 위해 까다롭게 선택해야 했습니다. 이 초기 정제 과정을 거쳐 759개의 스캔이 남았습니다. 하지만 그들은 여기서 멈추지 않았습니다. 그들은 한 종류의 신장암(투명 세포형)은 매우 흔한 반면, 다른 두 종류(유두형 및 혐색소형)는 드물지만 까다롭다는 것을 알고 있었습니다. AI가 흔한 유형에만 전문가가 되어 희귀한 유형을 무시하게 되는 것을 방지하기 위해, 그들은 찾을 수 있는 모든 희귀 사례(유두형 56개, 혐색소형 27개)를 유지하면서, 흔한 투명 세포형 사례는 200개만 무작위로 선택했습니다. 이는 그들의 "훈련 학급"이 균형 잡힌 학생 구성을 갖추도록 하기 위한 전략적인 움직임이었습니다.

어노테이션 조립 라인
최종 리스트인 283개의 스캔이 확보되자, 본격적인 작업이 시작되었습니다. 컴퓨터에게 선을 완벽하게 그리라고 요청할 수는 없었습니다. 왜냐하면 컴퓨터는 실수를 하기 때문입니다. 대신, 그들은 '인간 참여형(human-in-the-loop)' 조립 라인을 구축했습니다:

1. AI 초안: 먼저, 자동화된 컴퓨터 모델이 신장과 종양이 있을 법한 위치를 스케치했습니다.
2. 학생 편집자: 두 명의 훈련된 학생이 편집자 역할을 했습니다. 그들은 컴퓨터의 스케치를 보고 명백한 오류를 수정했습니다. 컴퓨터가 종양을 놓쳤거나 낭종을 잘못된 위치에 그렸다면, 학생들은 이를 바로잡았습니다. 또한 그들은 스캔이 실제로 "조영 증강"(장기가 돋보이도록 특수 염료를 사용함) 되었는지 수동으로 확인해야 했는데, 이는 컴퓨터가 스스로 신뢰성 있게 확인할 수 없는 세부 사항이었습니다.
3. 전문 감독관: 만약 학생이 케이스에 대해 확신이 서지 않는 경우(예: 종양이 이상해 보이거나 스캔이 흐릿한 경우), 그들은 최종 판결을 위해 숙련된 영상의학과 전문의(수년간의 경험을 가진 실제 의료 탐정)에게 해당 케이스를 보냈습니다.

최종 보물 상자
모든 필터링, 수정 및 전문가 검토를 거친 후, 팀은 다듬어진, 즉시 사용 가능한 129개의 CT 스캔과 91명의 환자 데이터를 얻었습니다.

• 구성: 이 컬렉션에는 85개의 투명 세포형, 26개의 유두형, 18개의 혐색소형 사례가 포함되어 있습니다.
• 상세 내용: 모든 스캔은 "복셀(voxel) 수준"의 지도를 제공합니다. 복셀을 작은 3D 픽셀이라고 생각하십시오. 이 데이터셋은 컴퓨터에게 어떤 3D 픽셀이 신장에 속하는지, 어떤 것이 고형 종양에 속하는지, 그리고 어떤 것이 낭종에 속하는지를 정확히 알려줍니다.
• 다양성: 환자의 연령대는 26세에서 82세(평균 56세)까지 다양하며, 종양의 크기도 매우 다양했습니다. 어떤 것은 단 8mm에 불 달랑했지만, 어떤 것은 직경이 169mm에 달할 정도로 거대했습니다. 데이터셋은 또한 동맥기, 정맥기, 지연기 단계를 포함한 다양한 "순간"들을 포착했으며, 각각 총 26개, 50개, 53개의 스캔을 보유하고 있습니다.

이것이 중요한 이유 (그리고 그렇지 않은 이유)
저자들은 이 데이터셋이 무엇이고 무엇이 아닌지에 대해 매우 명확하게 밝히고 있습니다. 그들은 이것이 즉각적인 병원 사용을 위한 마법 지팡이가 아니라 연구 도구임을 강조합니다. 어노테이션은 학생들에 의해 작성되고 전문가의 검토를 거쳤지만, 전문가들 사이의 의견 불일치(관찰자 간 변이)를 확인하기 위해 여러 전문가를 대상으로 테스트되지는 않았습니다. 따라서 저자들은 이 지도들을 절대적이고 흔들리지 않는 진리라기보다는 "품질 관리가 된 연구용 어노테이션"으로 취급할 것을 제안합니다. 또한 데이터가 주로 북미 학술 센터에서 왔고 대부분 남성(91명 중 67명)이라는 점을 들어, 이 데이터로 훈련된 AI 모델이 전 세계의 모든 사람에게 완벽하게 작동하지 않을 수도 있다고 경고합니다.

결과
이 데이터셋을 공개적으로 배포함으로써, 팀은 연구자들이 바퀴를 다시 발명하는 일을 멈추기를 바랍니다. 모든 연구실이 자신만의 지도를 그리는 데 수개월을 소비하는 대신, 모두가 RCC-AID를 사용하여 AI 탐정을 훈련할 수 있습니다. 테스트 실행에서, 그들은 이 데이터셋을 사용하여 서로 다른 유형의 신장 종괴를 구별하는 모델을 도왔습니다. 결과는 유망했습니다: 라디오믹스 모델(질감과 패턴을 살펴보는 유형의 AI)은 낭종에 대해 0.93, 투명 세포형에 대해 0.84, 유두형에 대해 0.90, 혐색소형에 대해 0.86의 높은 정확도를 달럽했습니다.

요약하자면, RCC-AID는 AI 커뮤니티에 신장암을 위한 공유된 고품질의 "정답지" 세트를 제공하는 거대한 오픈 소스 도구 상자입니다. 이것이 질병 자체를 해결해주지는 않지만, 더 나은, 더 공정하며, 더 신뢰할 수 있는 AI 도구를 구축하는 데 필요한 필수적인 훈련장을 제공합니다.