거대한 실타래 속에 숨겨진 작고 모양이 뒤틀린 조약돌 하나를 찾는다고 상상해 보세요. 이것이 의사들이 유방 영상을 통해 암을 찾을 때 직면하는 상황과 대략 비슷합니다. 수십 년 동안 의사들은 평면적인 2D X-선 영상을 사용해 왔는데, 이는 마치 그 실타래의 사진을 한 장 찍는 것과 같습니다. 문제는 무엇일까요? 실 가닥들이 서로 겹쳐져 있어서 조약돌을 가리거나, 단순한 매듭을 조약돌처럼 보이게 만들기도 합니다. 이를 해결하기 위해 과학자들은 '디지털 유방 토모신테시스(Digital Breast Tomosynthesis, DBT)'라는 새로운 카메라 기술을 발명했습니다. 단 한 장의 평면 사진 대신, 카메라는 주변을 회전하며 빵을 얇게 썰 듯이 여러 층의 단면을 촬영합니다. 이를 통해 의사들은 실타래의 엉킴을 뚫고 보고 조약돌을 명확하게 식별할 수 있습니다. 하지만 여기에는 함정이 있습니다. 환자 한 명당 수백 개의 이러한 '빵 조각'들을 살펴보는 것은 인간의 눈에 매우 고된 일이며, 실제 3D 공간에서 조약돌이 실제로 어떻게 생겼는지 보여주는 '정답지'가 부족하기 때문에 컴퓨터에게 이 일을 가르치기도 어렵습니다.

여기서 한 명의 새로운 연구자가 거대하고 도움이 되는 선물을 들고 등장합니다. 그들은 BCSDBT-Seg라고 불리는 거대한 디지털 도서관을 만들었습니다. 이것은 본질적으로 유방 스캔 영상의 '교사용 에디션'입니다. 이것을 전문의의 눈으로 매 슬라이스마다 정교하게 추적하여 그려낸 396개의 복잡한 3D 퍼즐 세트라고 생각하면 됩니다. 이전까지 대부분의 공개 라이브러리에는 문제가 있는 부위 주변에 대략적인 상자만 그려져 있었습니다. 마치 "조약돌이 이 사각형 어딘가에 있다"라고 말하는 것과 같았죠. 하지만 이 새로운 데이터셋은 훨씬 더 깊이 들어갑니다. 조약돌 자체의 정밀한 3D 윤곽선은 물론, 그 형태와 크기, 그리고 얼마나 위험해 보이는지를 설명하는 상세한 성적표까지 제공합니다. 또한 연구자는 이 윤곽선을 통해 스마트한 컴퓨터 프로그램이 학습할 수 있는지 테스트했으며, 이 새로운 '정답지'를 통해 컴퓨터가 숨겨진 조약돌을 찾는 능력이 훨씬 더 좋아질 수 있음을 증명했습니다.

문제: 건더기 속에서 바늘 찾기

유방암은 심각한 위협이며, 이를 조기에 발견하는 것이 생명을 구하는 가장 좋은 방법입니다. 오랫동안 의사들은 표준 매모그래피(유방 촬영술)에 의존해 왔는데, 이는 유방의 평면 사진을 찍는 것과 같습니다. 문제는 유방 조직이 밀도가 높고 층이 져 있어서, 평면 사진에서는 정상 조직이 종양을 가릴 수도 있고, 무해한 매듭이 무서운 덩어리처럼 보일 수도 있다는 점입니다. 이를 해결하기 위해 의사들은 디지털 유방 토모신테시스(DBT)를 사용하기 시작했습니다. 유방을 얇은 조각들로 층층이 찍는다고 상상해 보세요. 이렇게 하면 겹쳐진 조직에 의한 '그림자' 효과를 줄여 종양을 훨씬 더 쉽게 볼 수 있습니다.

하지만 이러한 3D 스택을 살펴보는 것은 힘든 작업입니다. 단일 스캔은 평면 사진보다 훨씬 더 많은 데이터를 가지고 있어 방사선 전문의의 뇌를 피로하게 만들고 실수를 유발할 수 있습니다. 이를 돕기 위해 의사들은 종양을 자동으로 찾아내는 컴퓨터 프로그램(인공지 Intelligence)을 구축하고자 합니다. 하지만 컴퓨터를 가르치려면 컴퓨터가 종양이 정확히 어떻게 생겼는지 알 수 있는 방대한 사례 라이브러리가 필요합니다. 지금까지 대부분의 공개 라이브러리는 종양 주변에 단순히 상자를 그리는 방식(예: "2D 경계 상자")만을 제공했으며, 이는 컴퓨터에게 질병의 정확한 형태나 크기를 가르치기에는 충분하지 않습니다.

해결책: 새롭고 상세한 "정답지"

이 논문의 저자인 스웨덴과 중국의 연구자들은 BCSDBT-Seg라는 새로운 오픈 액세스 데이터셋을 만들었습니다. 그들은 기존의 유방 스캔 컬렉션(BCS-DBT 데이터셋)에 특별한 것을 추가했습니다. 바로 종양의 정밀한 3D 윤곽선입니다.

이 데이터셋이 특별한 이유는 다음과 같습니다:

• 2D가 아닌 3D입니다: 단순히 종양 주위에 상자를 그리는 대신, 두 명의 전문 방사선 전문의(7년 경력과 17년 경력)가 3D 스캔의 모든 슬라이스에서 종양의 정확한 가장자리를 수동으로 추적하여 그렸습니다. 그들은 201명의 환자로부터 얻은 396개의 스캔을 대상으로 434개의 뚜렷한 종양 윤곽선을 만들어냈습니다.
• 생검으로 확인되었습니다: 이 데이터셋의 모든 종양은 조직 검사를 통해 실제임이 증명되었으므로, 이 "정답지"는 100% 정확합니다.
• 성적표가 포함되어 있습니다: 윤곽선과 함께 연구자는 각 케이스에 대한 구조화된 보고서를 작성했습니다. 이 보고서들은 BI-RADS라고 불리는 표준 시스템을 사용하여 종양의 형태, 유방 조직의 밀도, 그리고 종양이 양성(무해함)인지 악성(암)인지를 설명합니다.

방법: "추적 및 검증" 방식

이 과정은 마치 고도의 집중력을 요하는 "따라 하기" 게임과 같았습니다.

1. 주니어 방사선 전문의: 7년 경력의 의사가 스캔을 훑으며 3D 슬라이스 위에 종양의 초기 윤곽선을 그렸습니다.
2. 시니어 방사선 전문의: 17년 경력의 매우 숙련된 의사가 모든 그림을 검토했습니다. 만약 윤곽선이 너무 크거나 작으면 이를 수정했습니다.
3. 규칙: 다양한 유형의 종양에 대해 엄격한 규칙이 있었습니다. 예를 들어, 종양이 별 모양처럼 날카롭고 뾰족한 가장자리를 가진 경우 그 돌출부까지 모두 추적했습니다. 가장자리가 흐릿한 경우에는 정상 조직이 너무 많이 포함되지 않도록 주의했습니다. 한 스캔에 여러 개의 종양이 있는 경우, 이를 하나의 단일 윤곽선으로 그룹화했습니다.

결과: 컴퓨터가 더 똑똑해지다

연구자는 이 새로운 데이터셋이 유용한지 증명하기 위해, 컴퓨터 프로그램(nnU-Net이라는 유형의 AI)에게 이 새로운 윤곽선을 사용하여 종양을 찾는 법을 가르쳤습니다. 그들은 두 가지 다른 테스트를 실시했습니다.

1. "전체 볼륨(Whole Volume)" 테스트: 컴퓨터에게 아무런 도움 없이 처음부터 끝까지 전체 3D 스캔을 살펴보라고 요청했습니다.
   • 결과: 컴퓨터는 어려움을 겪었습니다. 종양 윤곽선의 약 **34%**만을 정확히 맞혔습니다. 이는 마치 건더기가 어디에 있는지 모르는 상태에서 건더기 속의 바늘을 찾는 것과 같습니다.
2. "병변 기반(Lesion-Based)" 테스트: 컴퓨터에게 힌트를 주었습니다. "종양은 이 특정 상자 어딘가에 있다"라고 알려준 것입니다. 그 후 컴퓨터는 해당 좁은 영역에만 집중했습니다.
   • 결과: 컴퓨터의 성능이 급격히 향상되었습니다. 종양 윤곽선의 **80.7%**를 정확히 맞혔으며, 전문가의 그림과 훨씬 더 잘 일치했습니다.

이는 컴퓨터가 일반적인 영역을 찾는 데는 여전히 약간의 도움이 필요하지만, 일단 어디를 봐야 할지 알게 되면 새로운 데이터셋을 통해 종양의 정확한 형태를 매우 잘 학습할 수 있음을 보여줍니다.

이것이 왜 중요한가

이 데이터셋은 연구자들에게 게임 체인저입니다. 이전에는 AI를 훈련시키기 위해 추측하거나 대략적인 상자를 사용해야 했습니다. 이제 그들은 상세한 형태와 크기 설명이 포함된 434개의 정밀한 3D 지도를 갖게 되었습니다. 이를 통해 과학자들은 다음을 수행할 수 있습니다:

• 의사들이 암을 더 일찍 발견할 수 있도록 돕는 더 나은 컴퓨터 프로그램을 구축합니다.
• 종양의 정확한 형태와 크기를 연구하여 종양이 어떻게 성장하는지 이해합니다.
• 자신의 AI가 실제로 작동하는지 확인할 수 있는 표준화된 "테스트"를 만듭니다.

연구자는 컴퓨터가 도움을 받았을 때 훨씬 더 나은 성능을 보였다는 점을 들어, 이것이 아직 마법 같은 해결책은 아니라고 신중하게 밝히고 있습니다. 하지만 이 고품도의 "정답지"를 제공함으로써, 그들은 과학계가 차세대 생명 구조 기술을 구축하는 데 필요한 도구를 마련해 주었습니다.