GlioMIL: A Frozen-Backbone Multiple-Instance Learning Framework for Calibrated and Explainable Glioma Radiogenomics

기술 요약: GlioMIL

문제 정의
MRI를 통해 교종(glioma)의 분자적 상태(IDH 변이, 종양 등급, MGMT 프로모터 메틸화, 1p/19q 결실 여부)를 비침습적으로 예측하는 것은 침습적인 생검에 대한 의존도를 낮추기 위한 핵심 목표이다. 그러나 기존의 딥러닝 파이프라인은 소규모 코호트에 대한 과적합(overfitting) 문제, 엄격한 보정(calibration) 및 설명 가능성(explainability) 평가의 부재, 그리고 구조화된 임상 및 라디오믹스 데이터 대비 영상 특징의 구체적인 예측 가치를 격리하여 입증하는 데 자주 실패한다. 또한, 다중 인스턴스 학습(Multiple-Instance Learning, MIL)의 어텐션 메커니즘이 종양 영역을 신뢰성 있게 국소화할 것이라는 가정은 이 영역에서 거의 검증되지 않은 상태로 남아 있다.

방법론: GlioMIL 프레임워크
저자들은 다중 작업 라디오게노믹스(multi-task radiogenomics)를 위해 설계된 2.5D 동결 백본(frozen-backbone) 다중 인스턴스 학습 프레임워크인 GlioMIL을 제시한다.

• 데이터 표현: 각 환자의 다중 대조도 MRI(T1, T1CE, T2, FLAIR)는 $K=15$개의 축 방향 슬라이스로 구성된 "백(bag)"으로 처리된다. 슬라이스는 종양 세그멘테이션 마스크(2-슬라이스 마진 포함)를 기준으로 선택되며 $224 \times 224$ 크기로 조정된다. 각 슬라이스 인스턴스는 4채널 텐서이다.
• 특징 추출 (동결 백본): 슬라이스들은 사전 학습된 EfficientNetV2-S 백본(ImageNet-1K 가중치)을 사용하여 인코딩된다. 적은 코호트 크기로 인한 과적합을 방지하기 위해 백본은 동결(그래디언트 업데이트 없음)된다. 첫 번째 합성곱 레이어는 4개의 입력 채널을 수용하도록 조정된다.
• MIL 풀링: Ilse 등의 방식을 따르는 어텐션 기반 풀링 메커니즘이 15개의 슬라이스 임베딩을 하나의 환자 수준 벡터($z$)로 집계한다. 어텐션 가중치는 태스크 헤드와 함께 공동 학습된다.
• 퓨전 아키텍처: 풀링된 영상 표현($z$)은 5개의 임상 특징(연령, 성별, 종양 부피, 평균 강도)과 204개의 PyRadiomics 특징(1차 통계, 형태, 질감)을 포함하는 209차원의 구조화된 특징 벡터($s$)와 결합된다. 이 융합된 벡터($z_{fusion}$)는 네 개의 별도 태스크 특화 분류 헤드로 전달된다.
• 대조 조건: 영상 브랜치의 기여도를 엄격하게 평가하기 위해, 연구는 동일한 209차원 벡터를 사용하되 영상 브랜치를 완전히 우회하는 구조화 데이터 전용(structured-only) 대조 모델을 포함한다.
• 평가 프로토콜: 연구는 엄격한 단일 공유 5-폴드 환자 수준 층화 교차 검증 분할을 채택한다. OOF(out-of-fold) 예측에 대해 부트스트랩 신뢰 구간(300회 리샘플링)을 활용하며, 조건 간 비교를 위해 쌍체 유의성 검정(이진 태스크의 경우 DeLong's test, 다중 클래스의 경우 순열 검정)을 수행한다. 데이터 누수를 방지하기 위해 특징 정규화 통계량은 각 훈련 폴드마다 적합(fit)된다.

주요 기여

1. GlioMIL 프레임워크: 교종의 분자적 프로파일링을 위해 ImageNet 백본을 사용하는 2.5D 다중 작업 MIL 아키텍처를 제시한다.
2. 엄격한 절제 연구(Ablation Study): 전이 학습, 다중 작업 학습, 특징 융합의 효과를 격리하고, 결정적인 "영상 미포함" 대조 조건을 포함하는 5단계 제어 절제 연구를 수행한다.
3. 정량적 설명 가능성 감사: 어텐션 가중치가 종양 영역과 일치하는지에 대한 체계적인 테스트를 통해, 어텐션이 신뢰할 수 있는 공간적 설명 역할을 한다는 가설에 도전한다.
4. 재현 가능한 프로토콜: 초기 단계의 결함이 있는 앙상블 및 정규화 방식을 수정하여 투명한 평가 파이프라인을 보고한다.

결과

• 영상 vs. 구조화된 특징:
  • 동결 백본 기반의 영상 전용 모델(IDH AUC 0.711–0.756)은 완전 지도 학습 방식의 3D CNN 베이스라인(AUC 0.723)과 유사한 성능을 보였으나, 구조화된 특징을 사용하는 모델보다는 현저히 낮은 성능을 보였다.
  • 융합 vs. 구조화 데이터 전용: 임상/라디오믹스 특징을 영상과 융합하는 것은 영상 전용 모델보다 성능을 크게 향상시키지만(IDH AUC: 0.711 $\to$ 0.847), 구조화 데이터 전용 모델(영상 입력 없음)은 0.881의 IDH AUC를 달 기록하여 융합 모델(0.847, $p=0.009$)보다 유의미하게 높은 성능을 보였다. 종양 등급의 경우, 구조화 데이터 전용 모델(0.758)은 융합 모델(0.751)과 통계적으로 구별되지 않았다.
  • 결론: 본 코호트에서 동결된 영상 브랜치는 구조화된 임상 및 라디오믹스 특징 이상의 예측 가치를 더하지 못하며, 오히려 이를 결합했을 때 IDH 성능을 약간 저하시킨다.
• 태스크 성능:
  • IDH 및 등급: 구조화된 특징을 사용하여 높은 정확도로 예측 가능하다.
  • MGMT 및 1p/19q: 융합 및 구조화 데이터 전용 모델을 포함한 모든 모델이 우연 수준(AUC ~0.50–0.60) 근처에서 수행되었다. 이는 작은 샘플 크기($n=277$ 및 $n=140$)와 다른 연구에서 MGMT 예측에 중요하다고 제안된 종양 주변부(peritumoral) 모델링의 부재 때문으로 추정된다.
• 보정 및 레이블 효율성:
  • 융합 모델은 적절히 보정되어 있으며(ECE = 0.060), 레이블 효율성이 높다. 전체 데이터의 약 98% 성능을 50%의 훈련 레이블만으로 회복한다.
  • 고신뢰도 예측은 저신뢰도 예측(69.7%)보다 유의미하게 높은 정확도(91.3%)를 보여, 선택적 선별(triaging)에 유용함을 시사한다.
• 설명 가능성 실패:
  • 어텐션 가중치는 종양 조직을 신뢰성 있게 국소화하지 못한다. 어텐션 가중치와 슬라이스 수준의 종양 비율 사이의 피어슨 상관계수는 0에 가깝다(평균 $r=0.005$). 상위 3개의 어텐션 슬라이스는 평균적인 슬라이스보다 종양 조직을 유의미하게 더 많이 포함하고 있지 않다.

의의 및 주장
본 논문은 자신의 주요 기여가 새로운 최고 성능(SOTA)의 AUC를 제시하는 것이 아니라, 단순히 오프더쉘프(off-the-shelf) ImageNet 백본을 동결하고 이를 구조화된 특징과 융합하는 것만으로는 이 특정 코호트와 태스크에서 영상이 구조화된 특징 이상의 가치를 더한다는 것을 입증하기에 불충분하다는 구체적인 귀무 결과(null result)를 밝혀내는 엄격한 평가 프레임워크임을 주장한다.

저자들은 다음과 같이 주장한다:

1. 구조화된 특징이 지배적이다: 임상 및 라디오믹스 특징이 이 환경에서 IDH 및 등급 예측의 주요 신호를 보유하고 있다.
2. 어텐션은 설명이 아니다: 본 연구는 MIL의 어텐션 가중치가 공간적 국소화로 해석되어서는 안 된다는 정량적 증거를 제공하며, 이는 어텐션이 종양 존재 여부와 상관관계가 없음을 보여준다.
3. 평가 엄격성: 연구는 정규화에서의 누수, 부적절한 앙상블과 같은 결함 있는 평가 프로토콜이 어떻게 결과를 부풀릴 수 있는지 강조하며, 딥러닝 구성 요소의 유용성을 과대평가하지 않기 위해 엄격한 대조군(구조화 데이터 전용 베이스라인)이 반드시 필요함을 입증한다.

논문은 현재 형태의 동결된 영상 브랜치는 유용하지 않지만, 이 결과가 영상을 완전히 포기하기보다는 도메인 특화 사전 학습(pretraining)이나 미세 조정(fine-tuning)에 대한 향후 연구를 촉발한다는 점을 시사하며 마무리된다. MGMT 및 1p/19q에 대한 결과는 현재의 특징 추출 범위(종양 핵 부분만 포함)가 해당 바이오마커에 대해서는 불충분할 수 있음을 나타낸다.