Semi-automated sex estimation from cochlear shape using clinical CT imaging and OTOPLAN segmentation

기술 요약: 와우(Cochlea) 형태를 이용한 반자동 성별 추정

문제 제기
성별 추정은 법인류학 및 생물고고학의 핵심적인 요소이지만, 골반이나 두개골에 의존하는 전통적인 방식은 유골이 파편화되거나 혼재되어 있거나 퇴화한 경우에는 적용하기 어려운 경우가 많다. 측두골의 암양부(petrous part), 특히 그 내부의 골미로(bony labyrinth)는 높은 밀도와 조기 성숙 덕분에 견고한 대안을 제공한다. 기존 연구(예: Braga et al., 2109)는 고해상도 영상, 수동 또는 반자동 분할(segmentation), 복잡한 기하학적 형태 측정법(geometric morphometrics)에 의존하여 높은 정확도를 보여주었으나, 이러한 요구 사항은 일상적인 법의학 및 임상 워크플로우에서의 활용을 제한한다. 본 연구가 다루는 과제는 높은 견고성을 유지하면서도 표준 임상 CT 영상 및 자동화된 분할 도구와 호환 가능한 반자동 파이프라인을 사용하여 성별 추정이 가능한지 여부를 결정하는 것이다.

연구 방법론
본 연구는 알려진 생물학적 성별을 가진 87명의 성인으로부터 얻은 139개의 와우를 대상으로 회고적 분석을 수행하였으며, 데이터는 일상적인 임상 CT 스캔(층 두께 ≤ 0.6 mm)을 통해 획득하였다. 분석 파이프라인은 다음 단계로 구성된다:

1. 데이터 추출: 와우 분할은 인공와우 이식 계획을 위해 설계된 상용 소프트웨어 플랫폼인 OTOPLAN을 사용하여 수행되었다. 각 귀에 대해 시스템은 다음을 내보냈다:
   • 400개의 랜드마크로 표현된 3D 외측벽 경로.
   • 6개의 스칼라 지표: 와우 직경, 폭, 높이, 추정 와우관 길이(CDL), 0에서의 CDL, 그리고 회전수.
2. 전처리:
   • 회전 방향을 통일하기 위해 왼쪽 와우 곡선을 대칭 이동(mirroring)하였다.
   • 형태를 크기 및 위치로부터 분리하기 위해 곡선을 중심점으로 이동시키고 전체 노름(total norm)에 따라 스케일을 조정하였다.
   • 주성분 분석(PCA)을 통해 이상치를 제거하였다.
   • 데이터 누수를 방지하기 위해 데이터를 환자 단위로 분할(80% 훈련, 20% 홀드아웃)하였으며, 이를 통해 동일 환자의 양쪽 귀가 동일한 파티션에 머물도록 보장하였다.
3. 특징 공학(Feature Engineering):
   • 기하학적 기술자(Geometric Descriptors): 정규화된 곡선을 19개의 세그먼트로 나누었다. 곡률($\kappa$)과 비틀림($\tau$)을 계산하였으며, 이들의 비율($\tau/\kappa$)도 함께 계산하였다. 기술자에는 각 세그먼트의 평균, 표준 편차, 호 길이 적분이 포함되었다.
   • 스칼라 지표: OTOPLAN에서 도출된 6개의 스칼라 변수를 유지하였다.
4. 모델 최적화:
   • 전처리 선택, 특징 구성 및 분류 하이퍼파라미터를 공동 최적화하기 위해 베이지안 최적화 프레임워크(Optuna)를 사용하였다.
   • 목표는 훈련 세트에 대한 5-겹 교차 검증(5-fold cross-validation)을 통해 AUC-ROC를 최대화하는 것이었다.
   • 세 가지 모델 구성이 테스트되었다: 스칼라 지표만 사용, 기하학적 기술자만 사용, 그리고 결합된 접근 방식.
5. 분류: 최종 모델은 결합된 특징 세트로 학습된 XGBoost 분류기였으며, 독립적인 홀드아웃 세트($n=29$)에서 한 번 평가되었다.

주요 결과

• 단변량 분석: 4개의 스칼라 지표(특히 와우 직경, $r=0.43$)와 10개의 곡률/비틀림 기술자에서 유의미한 성별 차이가 발견되었다. 그러나 효과 크기는 전반적으로 작거나 중간 정도였으며, 분포의 중첩이 상당하여 단일 지표만으로는 개별 분류가 불가능함을 나타냈다.
• 모델 성능:
  • 스칼라 전용 모델은 뚜렷한 과적합을 보였다 (교차 검증 AUC 0.82 $\rightarrow$ 홀드아웃 AUC 0.59).
  • 기하학 전용 모델은 더 나은 일반화 성능을 보였다 (홀드아웃 AUC 0.69).
  • 결합된 모델(XGBoost)은 독립적인 홀드아웃 세트에서 가장 좋은 성능을 달-성하였다:
    • AUC-ROC: 0.77 (95% CI: 0.55–0.95).
    • 전체 정확도(Overall Accuracy): 79.3%.
    • 균형 정확도(Balanced Accuracy): 79.1%.
• 특징 중요도: 순열 중요도(Permutation importance) 분석 결과, 와우 직경이 지배적인 특징으로 나타났다. 여러 나선형 세그먼트의 $\tau/\kappa$ 비율이 보완적인 기하학적 신호를 제공하는 이차적 특징이었다. 모델은 크기 정보에 의존했으나, 과적합을 피하기 위해 기하학적 맥락이 필요했다.

의의 및 주장
저자들은 본 연구를 표준 임상 CT 데이터로부터 반자동화되고 재현 가능한 파이프라인을 사용하여 와우 형태의 성별 관련 정보를 추출할 수 있음을 보여주는 **개념 증명(proof of concept)**으로 규정한다. 본 연구가 주장하는 의의는 다음과 같다:

• 임상 및 법의학적 호환성: 마이크로 CT(micro-CT)나 수동 분할을 필요로 하는 기존의 고정밀 방법과 달리, 본 방식은 표준 임상 CT와 자동화 소프트웨어(OTOPLAN)를 활용하므로 확장 가능하며 비파괴적이다.
• 보조적 유용성: 저자들은 약 79%의 중간 정도의 정확도가 이 방법을 개별 식별을 위한 단독 도구로 사용하는 데는 부적합함을 명시적으로 밝히고 있다. 대신, 이는 암양부가 유일하게 남아 있는 경우(예: 화재 희생자, 대규모 참사 사건, 또는 퇴화된 유골) 생물학적 프로파일링을 위한 가치 있는 보조 수단으로 제안된다.
• 비파괴적 워크플로우: 이 방법은 고도로 퇴화된 사례에서 골드 스탠다드로 남아 있는 유전자 검사를 위한 표본을 보존한다.
• 미래 잠재력: 저자들은 더 높은 해상도의 영상(예: Cone-Beam CT 또는 Photon-Counting CT)을 사용할 경우 성능이 향려될 수 있으며, 현재의 결과는 현대 임상 영상 조건 하에서의 하한선(lower bound)을 나타낸다고 시사한다.

본 연구는 이 방법이 기존의 법의학 기술을 대체할 수는 없지만, 전통적인 골격 표식이 없는 까다로운 법의학적 상황에서 비침습적이고 확률적인 지표를 제공할 수 있다고 결론짓는다.