CRBM 기반 방사선학으로 유방암 신보조항암치료 병리학적 완전 반응 예측

초록

본 연구는 동적 대비 강화 MRI(DCE‑MRI)를 이용해 57명의 유방암 환자 데이터를 분석하고, 컨볼루션 제한 볼츠만 머신(CRBM)으로 추출한 의미론적 특징과 기존 전통 방사선학 특징을 결합해 병리학적 완전 반응(pCR) 여부를 예측한다. 특징 선택 후 SVM, 로지스틱 회귀, 랜덤 포레스트 모델을 학습시켰으며, 치료 전·후 영상을 모두 사용했을 때 AUC 0.92, 치료 전 영상만 사용했을 때 AUC 0.87을 달성해 기존 방법 대비 약 38% 향상된 성능을 보였다.

상세 분석

이 논문은 유방암 환자의 신보조항암치료(NACT) 효과를 사전에 예측함으로써 개인 맞춤형 치료 전략을 수립하고자 하는 임상적 요구에 부응한다. 핵심 기술은 컨볼루션 제한 볼츠만 머신(CRBM)이다. CRBM은 전통적인 제한 볼츠만 머신(RBM)의 확장 형태로, 이미지의 공간적 연속성을 보존하면서 비선형적인 특징을 자동으로 학습한다. 논문에서는 DCE‑MRI 데이터를 입력으로 하여 다층 CRBM을 구성하고, 각 층에서 활성화된 유닛을 “시맨틱 특징”이라 명명한다. 이러한 특징은 인간이 직접 설계한 텍스처, 형태, 강도 기반 전통 방사선학 특징과는 달리 데이터‑드리븐 방식으로 추출되며, 특히 종양의 혈류 동역학 변화와 같은 미세한 패턴을 포착한다는 장점이 있다.

특징 추출 후에는 최소-상관 계수(Min‑Redundancy Max‑Relevance)와 LASSO 회귀를 결합한 두 단계 선택 과정을 적용해 차원 축소와 과적합 방지를 동시에 달성한다. 선택된 특징은 세 가지 머신러닝 분류기(SVM, 로지스틱 회귀, 랜덤 포레스트)에 입력되어 pCR 여부를 이진 분류한다. 교차 검증(k‑fold, k=5)과 ROC 곡선 분석을 통해 모델 성능을 평가했으며, 특히 치료 전·후 영상을 모두 활용한 경우 AUC 0.92, 민감도·특이도 모두 0.85 이상을 기록했다. 이는 전통 방사선학 기반 모델(AUC≈0.66)의 38% 향상에 해당한다.

데이터셋은 57명(전처리 후 48명)으로 비교적 소규모이며, 단일 기관에서 수집된 DCE‑MRI만을 사용했다는 점이 제한점으로 지적된다. 또한 CRBM의 하이퍼파라미터(필터 수, 커널 크기, 학습률 등)가 논문에 상세히 기술되지 않아 재현성에 어려움이 있을 수 있다. 하지만 모델이 치료 전 영상만으로도 높은 예측력을 보인 점은 임상 적용 가능성을 크게 높인다. 향후 다기관, 다코호트 데이터와 함께 CRBM‑GAN 등 생성 모델을 결합해 데이터 증강을 시도한다면 일반화 성능을 더욱 강화할 수 있을 것으로 기대된다.