Label-Free Threshold Selection for Out-of-Distribution Detection in Liver CT Segmentation

현대 병원에서는 컴퓨터가 인체 내부 장기의 정밀한 윤곽을 그리는 섬세한 작업을 수행하도록 요구받는 경우가 점점 늘어나고 있습니다. 환자가 컴퓨터 단층 촬영(CT) 검사를 받으면 기계는 수천 장의 단면 영상을 생성하며, 소프트웨어는 간을 식별하여 주변 조직과 분리함으로써 의사가 치료 계획을 세우거나 종양을 측정할 수 있도록 해야 합니다. 이러한 자동화 시스템은 일반적인 영상에서는 놀라울 정도로 잘 작동하지만, 원래 학습했던 데이터와 다른 특이한 해부학적 구조나 희귀한 영상 품질에 직면하면 실수를 할 수 있습니다. 만약 컴퓨터가 경계를 잘못 그리고 아무도 이를 알아차리지 못한다면, 의사는 잘못된 정보에 기반하여 치료 결정을 내릴 수도 있습니다. 이를 방방지하기 위해 연구자들은 이러한 불확실한 순간들을 표시하는 방법을 개발해 왔으며, 본질적으로 컴퓨터가 "이것은 잘 모르겠습니다"라고 말할 수 있는 방법을 제공하고자 합니다. 문제는 인간 전문가가 수천 장의 영상을 먼저 검토할 필요 없이 정확히 언제 경보를 울려야 하는지를 찾아내는 것이었는데, 이 과정은 느리고 비용이 많이 들며 실패 사례가 드문 경우에는 사실상 불가능합니다.

텍사스 대학교 MD 앤더슨 암 센터의 연구팀은 인간의 라벨링(정답지)에 의존하여 시스템에 무엇이 실패인지 가르치는 대신, 이러한 안전 알람을 설정하는 새로운 방법을 제안했습니다. 이 연구에서 그들은 간 스캔에 초점을 맞추어, 컴퓨터가 단순히 자신의 성공적인 작업 패턴을 살펴봄으로써 스스로의 실수를 인식할 수 있는지 질문했습니다. 시스템에 피해야 할 나쁜 스캔의 예시를 수천 개 보여주는 대신, 그들은 시스템이 대규모의 정상적이고 성공적인 스캔들에 부여한 점수들을 연구하게 했습니다. 그들은 좋은 스캔들의 점수가 마치 큰 군중 속 사람들의 키가 평균 주변에 밀집하는 경향이 있는 것처럼, 예측 가능한 수학적 형태를 따른다는 것을 발견했습니다. 이 성공의 형태를 매핑함으로써, 그들은 예상되는 패턴에서 크게 벗어난 새로운 스캔을 식별할 수 있었습니다.

연구진은 자신들의 병원 영상과 7개국 70개 이상의 다양한 의료 기관에서 가져온 영상을 포함하여 총 500개의 간 스캔 컬렉션을 대상으로 이 아이디어를 테스트했습니다. 그들은 컴퓨터의 윤곽선을 여러 방식으로 자기 자신과 비교하여 시스템이 얼마나 확신하는지를 나타내는 단일 점수를 생성하는 방법을 사용했습니다. 이 새로운 접근 방식을 적용했을 때, 그들은 스캔들을 저위험, 중위험, 고위험의 세 그룹으로 분류할 수 있음을 발견했습니다. 저위험 그룹은 시스템이 학습한 성공적인 스캔들과 매우 유사한 모습을 보였습니다. 고위험 그룹은 매우 이상해 보이는 스캔들을 포함했습니다. 결정적으로, 중위험 그룹은 문제가 될 수 있는 모든 것을 포착하도록 설계되었습니다. 결과를 확인했을 때, 인간 전문가가 나중에 실패라고 식별한 모든 스캔이 중위험 또는 고위험 범주에 의해 포착되었음을 발견했습니다. 실제로 시스템은 모든 실패를 100% 민감도로 잡아냈으며, 이는 단 하나도 놓치지 않았음을 의미하며, 동시에 좋은 스캔의 거의 80%를 안전한 것으로 올바르게 식별했습니다.

이러한 접근 방식은 안전한 스캔과 위험한 스캔 사이의 경계선을 어디에 그을지 결정하기 위해 전문가가 수백 장의 이미지를 수동으로 검토해야 했던 기존 방법들에 비해 상당한 이점을 제공합니다. 그러한 수동 과정은 특히 나쁜 스캔이 드물기 때문에 큰 부담이 됩니다. 시스템을 가르칠 충분한 사례를 찾는 데는 보통 오랜 시간이 걸리기 때문입니다. 이 새로운 방법은 이러한 필요성을 완전히 우회합니다. 성공적인 스캔들의 점수에 곡선을 맞춤으로써, 연구진은 정상성에 대한 표준 역할을 하는 참조점을 만들었습니다. 점수가 이 표준에서 멀리 떨어진 데 대한 새로운 스환은 검토 대상으로 표시됩니다. 연구는 표준을 구축하는 데 사용된 스캔 그룹에 적은 수의 나쁜 사례가 포함되어 있더라도 이 방법이 효과적으로 유지됨을 보여주었으며, 이는 완벽한 데이터를 구하기 어려운 실제 환경에서도 이 시스템이 견고하다는 것을 시사합니다.

연구진은 또한 다양한 유형의 점수 체계를 어떻게 처리할 것인지 탐구했습니다. 한 가지 유형의 점수는 그들이 예상했던 수학적 형태에 완벽하게 들어맞았지만, 다른 유형의 점수는 그렇지 않았습니다. 이 패턴에 맞지 않는 유형에 대해서는 데이터를 재배열하여 패턴에 맞도록 하는 다른 기술을 사용했으며, 이는 그들의 프레임워크가 다양한 신뢰도 측정 방식과 작동할 수 있을 만큼 유연하다는 것을 입증했습니다. 그들은 두 가지 서로 다른 임계값을 사용하여 시스템을 서로 다른 필요에 맞게 조정할 수 있다는 것을 발견했습니다. 하나의 임계값은 몇몇 좋은 스캔을 의심스러운 것으로 표시하더라도 가능한 모든 실패를 잡아낼 수 있도록 매우 민감하게 설정되었습니다. 다른 임계값은 더 엄격하여, 거의 확실히 나쁜 소수의 그룹을 식별하며, 이는 의사들이 시간이 제한적일 때 우선순위를 정하는 데 도움을 줍니다.

궁극적으로 이 연구는 컴퓨터가 무엇이 실수인지 명시적으로 배우지 않고도 자신의 한계를 인식할 수 있음을 보여줍니다. 이 시스템은 의사를 대체하는 것이 아니라, 오히려 어떤 스캔이 더 면밀한 검토를 요하는지에 대한 명확하고 데이터에 기반한 신호를 제공합니다. 복잡한 숫자를 단순한 위험 범주로 바꿈으로써, 연구진은 병원이 자동화된 영상 도구를 더 안전하고 효율적으로 배치하는 데 도움이 될 수 있는 도구를 만들었습니다. 이 연구 결과는 인공지능이 의료 분야에서 흔해짐에 따라, 우리가 기술이 환자 케어의 신뢰할 수 있는 파트너로 남을 수 있도록 그 자체의 성공 패턴을 통해 우리를 보호할 수 있음을 시사합니다.