Deep learning-assisted target volume segmentation for uterine malignancies on non-contrast CT

복잡한 암 치료의 세계에서 방사선 치료는 주변의 건강한 장기를 보호하면서 종양을 파괴하도록 설계된 정밀한 에너지 빔과 같은 역할을 합니다. 이를 가능하게 하기 위해 의사들은 먼저 환자의 스캔 영상 위에 암이 정확히 어디에 있는지, 그리고 방사선이 어디까지 도달해야 하는지를 나타내는 상세한 지도를 그려야 합니다. 이 지도는 '표적 체적(target volume)'이라고 불리며, 전체 치료 계획의 기초가 됩니다. 만약 지도가 너무 작으면 암이 살아남을 수 있고, 너무 크면 건강한 조직이 손상될 수 있습니다. 수십 년 동안 이러한 지도를 만드는 일은 전문가가 컴퓨터 화면 위에서 경계선을 정성껏 따라 그리는 느리고 수동적인 작업이었으며, 이 과정은 사람마다 다를 수 있고 단 한 명의 환자를 위해 한 시간 이상이 소 времени 걸리기도 했습니다. 특히 자궁, 자궁경부, 자궁내막 관련 암의 경우, 골반 내의 연부 조직들이 표준 스캔 상에서 매우 유사하게 보이기 때문에 종양의 경계를 명확하게 구분하기 어려워 이 작업이 까다롭습니다.

중국 간저우 암 병원(Ganzhou Cancer Hospital)의 연구진은 인공지능이 정확도를 잃지 않으면서도 이 과정을 가속화하는 데 도움을 줄 수 있는지 알아보기 위해 연구를 시작했습니다. 그들은 조영제를 사용하지 않은 컴퓨터 단층촬영, 즉 NCCT라고 불리는 특정 유형의 스캔에 집중했습니다. 이는 방사선 계획 수립에 사용되는 표준 영상 도구이지만, 자기공명영상(MRI)과 같은 다른 영상 방식에 비해 대비(contrast)가 높지 않습니다. 연구팀은 컴퓨터 시스템이 이 스캔 영상을 보고 표적 영역의 윤곽을 자동으로 그리도록 훈련시켰습니다. 그들은 단순히 컴퓨터에게 추측하라고 시킨 것이 아니라, 이미 숙련된 의사들이 손으로 직접 그린 수백 건의 이전 사례로부터 학습하는 시스템을 구축했습니다. 목표는 의사가 매번 빈 화면에서 시작하는 대신, 빠르게 확인하고 조정할 수 있는 '초안 지도'를 제공하는 도구를 만드는 것이었습니다.

이 연구는 157명의 자궁암 환자를 대상으로 진행되었으며, 시스템을 공정하게 테스트하기 위해 여러 그룹으로 나누었습니다. 컴퓨터는 대규모 환자 그룹을 통해 학습되었고, 이후 새로운 사례도 처리할 수 있는지 확인하기 위해 본 적 없는 별도의 그룹을 대상으로 테스트되었습니다. 결과에 따르면, 인공지능은 치료 영역의 외곽 경계인 '계획 표적 체적(planning target volume)'을 그리는 데 매우 뛰어난 성능을 보였습니다. 평균적으로 컴퓨터의 그림은 전문의의 그림과 90% 이상 일치했습니다. 이 외곽 경계는 환자가 미세하게 움직이더라도 방사선이 표적을 맞출 수 있도록 실제 종양 주변에 추가된 안전 여유분입니다. 그러나 실제 질병이 존재하는 지점인 '임상 표적 체적(clinical target volume)'을 나타내는 내부 경계에 대해서는 완벽하지 못했습니다. 이 내부 영역의 경우 일치율은 약 72%였습니다. 이러한 차이는 표준 스캔에서 종양이 주변의 건강한 조직과 섞여 경계를 정의하기 훨씬 더 어렵기 때문에 발생하는 유의미한 차이입니다.

이 컴퓨터 생성 지도가 실제 임상 현장에서 정말 유용한지 이해하기 위해, 세 명의 숙련된 방사선 전문의가 독립적으로 결과를 검토했습니다. 의사들은 단순한 척도를 사용하여 컴퓨터 작업의 품질을 평가했습니다. 외곽 안전 여유분의 경우, 의사들은 컴퓨터의 작업이 91% 이상의 사례에서 임상적으로 수용 가능하다는 결론을 내렸는데, 이는 약간의 수정만 거치면 바로 사용할 수 있다는 의미입니다. 내부 종양 경계의 경우, 수용률은 약 75%로 더 낮았으며, 나머지 사례들은 더 상당한 수정이 필요했습니다. 의사들은 컴퓨터가 표적 영역의 맨 윗부분과 아랫부분, 또는 자궁과 직장이 만나는 지점 등 조직의 대비가 자연적으로 낮은 구역에서 어려움을 겪는다고 언급했습니다. 이러한 불완전함에도 불구하고, 시스템이 완전히 사용할 수 없는 지도를 만들어낸 적은 없었습니다. 핵심적인 결론은 컴퓨터가 견고한 시작점을 제공할 수는 있지만, 내부 경계에 대해서는 여전히 인간 의사의 세심한 검토와 정교화 작업이 필요하다는 것이었습니다.

이 기술이 가져온 가장 극적인 영향은 이 작업을 완료하는 데 걸리는 시간에서 나타났습니다. 20명의 환자를 대상으로 한 별도의 테스트에서, 한 명의 의사가 직접 손으로 지도를 그리는 것과 컴퓨터의 초안을 사용하는 것의 시간을 비교했습니다. 처음부터 직접 그릴 때는 환자당 평균 65분이 걸렸습니다. 반면, 컴퓨터가 생성한 윤곽선을 바탕으로 편집하는 방식을 사용했을 때, 시간은 단 14분으로 줄어들었습니다. 이는 이 중요한 단계에 필요한 시간이 거의 80% 감소했음을 의미합니다. 연구 저자들은 이것이 단일 센터 테스트였으며, 이 시스템이 모든 유형의 환자나 모든 병원에서 완벽하게 작동한다는 것이 아직 입증되지 않았음을 주의 깊게 명시했습니다. 그들은 컴퓨터가 엄청난 시간을 절약해주기는 하지만, 의사의 전문성을 대체하는 것은 아니라고 강조했습니다. 이 시스템은 의사가 치료가 안전하고 효과적인지 확신할 수 있는 최종적이고 결정적인 판단에 에너지를 집중할 수 있도록, '그리기'라는 힘든 일을 대신 해주는 강력한 조력자로 보는 것이 가장 적절합니다.