췌장암 절제 가능성 평가에 다중모달 AI를 적용하다

도입

췌관선암에서 수술 절제 가능성을 판단하는 일은 치료 전략을 정하는 핵심 단계다. 이 판단은 조영 CT에서 종양이 췌장 주변 주요 혈관과 어떤 관계를 맺는지 평가하는 데 크게 의존한다. 하지만 이러한 판독은 전문성이 높고, 전문가 사이에서도 해석 차이가 발생할 수 있다.

arXiv 논문 “Multimodal Assessment of Pancreatic Cancer Resectability Using Deep Learning”은 이 문제를 자동화된 다중모달 딥러닝으로 다루려는 시도다. 목표는 환자를 NCCN 기준의 세 가지 절제 가능성 범주, 즉 upfront resectable, borderline resectable, locally advanced로 분류하는 것이다.

핵심 내용

• 영상과 임상 정보를 함께 사용: 프레임워크는 3D 조영 CT뿐 아니라 구조화된 임상 정보도 입력으로 사용한다. 임상 정보는 일상적으로 수집되는 17개 변수로 구성되며, 압축된 임상 임베딩으로 변환된다.
• 해부학적 표현 학습: 영상 백본으로 Swin-UNETR를 사용하고, 췌장, 종양, 혈관 구조를 보조적으로 분할하도록 학습한다. 이는 실제 임상의가 절제 가능성을 판단할 때 보는 해부학적 관계를 모델에 반영하려는 설계다.
• 분할과 분류의 결합: 최종 과제는 절제 가능성 분류지만, 분할은 부가 기능에 그치지 않는다. 모델이 종양과 주변 구조의 관계를 더 의미 있게 학습하도록 돕는 역할을 한다.
• 동적 멀티태스크 학습: 학습 목표는 현재 종양 Dice 성능에 따라 분할과 분류의 비중을 조정한다. 이를 통해 해부학적으로 유의미한 특징과 분류에 필요한 판별력을 동시에 확보하려 한다.

의미와 영향

이 연구의 흥미로운 점은 의료 영상 AI를 단순한 판정 도구가 아니라 임상 판단 과정에 가까운 형태로 구성했다는 데 있다. 종양, 췌장, 혈관을 함께 이해하고 여기에 임상 변수를 더하면, 복잡한 절제 가능성 평가에서 보다 일관된 보조 의견을 제공할 수 있다.

다만 제공된 자료에는 구체적인 성능 수치, 외부 검증 결과, 실제 임상 배포 여부가 포함되어 있지 않다. 따라서 현재로서는 임상 제품이라기보다 연구 단계의 방법론으로 보는 것이 적절하다. 실제 진료에 활용되려면 다기관 데이터, 다양한 촬영 프로토콜, 실제 워크플로에서의 검증이 필요하다.

출처: arXiv