FeTA 2024: 자동 태아 뇌 MRI 분할과 생체계측 최신 동향

초록

FeTA 2024 챌린지는 고·저장량 0.55 T 저장량 MRI 데이터를 포함한 다기관 데이터셋을 활용해 태아 뇌 조직 자동 분할과 생체계측 예측을 평가하였다. 16개 팀의 분할 알고리즘은 고·저장량 스캔 모두에서 일관된 성능을 보였으며, 전통적 Dice 점수와는 별도로 토폴로지 평가인 Euler characteristic 차이(ED)를 도입해 형태학적 오류를 드러냈다. 생체계측 과제에서는 대부분의 방법이 임신 주수만을 이용한 단순 베이스라인을 능가하지 못했다.

상세 분석

FeTA 2024는 기존 FeTA 대회에서 제시된 다중 클래스 조직 분할 과제에 새로운 저장량(0.55 T) MRI 테스트 세트와 토폴로지 기반 평가 지표인 Euler characteristic difference(ED)를 추가함으로써 데이터와 평가의 다변화를 시도하였다. 16개 팀이 제출한 3D 자동 분할 모델은 대부분 U‑Net, Transformer‑기반 하이브리드, 그리고 최신 딥러닝 아키텍처를 활용했으며, 고·저장량 스캔 모두에서 평균 Dice ≥ 0.90을 기록, 특히 저장량 데이터에서 가장 높은 점수를 얻어 저비용 MRI 시스템의 잠재력을 입증했다. 그러나 전통적인 Dice, Hausdorff 거리와 같은 겹침 기반 지표만으로는 모델 간 미세한 토폴로지 차이를 포착하기 어려웠다. ED는 뇌실, 대뇌 피질, 백질 경계에서 발생하는 작은 구멍이나 연결 오류를 정량화해, 일부 모델이 Dice는 우수하지만 토폴로지 오류가 빈번함을 밝혀냈다. 이는 후속 cortical surface 추출이나 형태학적 분석에 직접적인 영향을 미치므로, 토폴로지 평가를 정규화 손실에 포함시키는 것이 향후 연구에 필요함을 시사한다.

생체계측 과제에서는 7개 팀이 3D 부피와 표면 기반 특징을 추출해 머리 둘레, 대뇌 피질 두께, 뇌실 부피 등을 예측했지만, 대부분의 모델이 임신 주수(GA)만을 입력으로 한 선형 회귀 베이스라인보다 높은 MAE를 보였다. 이는 현재 MRI 기반 생체계측이 이미지 품질, SRR 파이프라인, 그리고 태아 움직임 보정에 크게 의존함을 의미한다. 특히 저품질 스캔에서 SRR 재구성 단계가 모델 성능에 0.10 수준의 Dice 차이를 야기했으며, 이는 도메인 시프트 분석에서 이미지 품질이 가장 큰 변동 요인으로 확인되었다. 반면, GA, 병리, 촬영 사이트와 같은 메타데이터는 상대적으로 작은 영향을 미쳤다.

도메인 시프트 분석 결과는 이미지 품질 외에도 SRR 재구성 방법(예: 딥러닝 기반 vs. 전통적 SENSE)과 초해상도 파라미터가 모델 일반화에 중요한 역할을 함을 보여준다. 따라서 데이터 중심 접근법—다양한 품질의 SRR 볼륨, 저장량·고장량 혼합, 그리고 인공적인 노이즈·왜곡을 포함한 데이터 증강—이 향후 성능 향상의 핵심 전략으로 부각된다. 또한, 현재 분할 정확도가 인간 전문가 간 변동성 수준에 근접함을 감안하면, 향후 연구는 정밀도 향상보다는 신뢰성, 토폴로지 보전, 그리고 임상 적용을 위한 검증 프로토콜 구축에 초점을 맞춰야 할 것이다.

요약하면, FeTA 2024는 저비용 MRI와 토폴로지 평가를 결합한 포괄적 벤치마크를 제공함으로써, 자동 태아 뇌 MRI 분석의 현재 한계(성능 정체, 토폴로지 오류, 생체계측 불확실성)를 명확히 드러냈다. 향후 연구는 데이터 다양성 확대, 토폴로지 손실 통합, 그리고 이미지 품질에 강인한 모델 설계가 필요함을 강조한다.