Mevion S250i 초음속 스캔 시스템의 빔 전달 시간 예측을 위한 머신러닝 모델

초록

본 연구는 Mevion S250i Hyperscan 프로톤 치료기의 빔 전달 시간(ΔT)을 정확히 예측하기 위해 랜덤 포레스트 기반 머신러닝 모델을 개발하고, SHAP 해석을 통해 주요 영향을 미치는 변수들을 규명하였다. 11명의 환자(1120개 로그 파일)에서 추출한 스팟 위치, 에너지 레이어 변화, Adaptive Aperture 이동, 펄스 전하 등을 입력 특성으로 사용했으며, 모델은 짧은 구간(≤50 ms)에서는 0.9 ms, 긴 구간(>1000 ms)에서는 222 ms의 평균 절대 오차를 보였다. 임상 적용 사례인 볼륨 재페인팅 및 4D 용량 재계산에서도 예측된 총 전달 시간이 실제 로그와 -1.7 % 차이만을 보이며, 용량 지표는 기계 고유 변동 범위 내에 머물렀다.

상세 분석

이 논문은 Mevion S250i 시스템의 특수성을 고려한 빔 전달 시간(ΔT) 모델링에 초점을 맞추었다. 데이터는 2025년 치료에 사용된 11명의 환자 로그에서 2 820 777 개의 펄스를 추출했으며, 각 펄스는 시간 스탬프, 목표 위치, 전하, AA(Adaptive Aperture) 리프 위치 등 300여 개 파라미터를 포함한다. 모델 입력으로는 치료 전 이미 알려진 변수들—목표 전하, 스팟 좌표, AA 위치, 에너지—의 전후 차이(Δ)를 계산하고, 이를 로그 변환·스케일링 후 랜덤 포레스트 회귀에 투입하였다. 특성 엔지니어링 단계에서는 ΔAA, ΔS(스팟 이동 거리), ΔE(에너지 변화)의 절대값을 로그화하고, AA·스팟, 에너지·AA, 에너지·스팟 간 상호작용 항을 추가함으로써 비선형 효과를 포착했다. 또한 연속형 변수를 카테고리화(에너지 구간, AA 이동 구간)하고, 주요 변화를 나타내는 이진 플래그(is_Energy_Change, is_Major_AA_Change 등)를 도입해 모델의 해석 가능성을 높였다.

랜덤 포레스트는 5‑fold 교차 검증을 통해 하이퍼파라미터를 최적화했으며, MAE와 MAPE를 구간별(0‑50 ms, 50‑500 ms, 500‑1000 ms, >1000 ms)로 평가하였다. 결과적으로 짧은 구간에서는 0.9 ms, 중간 구간에서는 30‑70 ms, 긴 구간에서는 최대 222 ms의 평균 절대 오차를 기록했으며, 이는 기존 IBA·Hitachi 모델 대비 Mevion 특화 모델로서 충분히 실용적인 수준이다.

SHAP 분석은 전역적으로 ΔAA가 50 ms 초과 구간에서 가장 큰 기여를 함을 보여준다. 이는 AA 리프 이동이 에너지 레이어 전환과 동시에 발생할 때 기계 내부의 기계적/전기적 안정화 과정이 길어지는 물리적 메커니즘과 일치한다. 반면, 0‑50 ms 구간에서는 ΔS와 펄스 전하가 주요 변수로 작용하며, 이는 스팟 간 거리와 전하 충전 제한이 직접적인 시간 간격을 결정한다는 점을 시사한다. 에너지 변화(ΔE)는 전체적인 영향은 작지만, 특정 대규모 레인지 모듈러 교체 시 급격한 ΔT 상승을 야기하는 국소적 요인으로 확인되었다.

임상 적용 사례로는 (1) 볼륨 재페인팅 계획에서 5회 반복 시 총 전달 시간을 로그 모델로 예측했을 때 실제 로그와 -1.7 % 차이만을 보였으며, (2) 4DCT와 합성 호흡 트레이스를 이용한 인터플레이 시뮬레이션에서 용량 지표(D98, D95, V95)가 기계 고유 변동 범위 내에 머물렀다. 이는 로그 기반 BDT 모델이 실제 치료 흐름에 직접 삽입되어도 용량 정확도에 부정적 영향을 미치지 않음을 의미한다.

한계점으로는 데이터셋이 11명에 국한되어 있어 다양한 환자 해부학적 변이와 치료 부위(예: 머리·목, 복부 등)에 대한 일반화 검증이 부족하다는 점이다. 또한, 로그 변환 후의 선형성 가정이 일부 비선형 구간에서 오차를 확대할 가능성이 있다. 향후 연구에서는 다기관 데이터와 실시간 로그 스트리밍을 활용한 온라인 예측, 그리고 딥러닝 기반 시계열 모델과의 비교가 필요하다.

전반적으로 본 논문은 Mevion S250i 시스템에 특화된 BDT 모델을 최초로 제시하고, SHAP을 통한 물리적 인사이트를 제공함으로써 4D 용량 계산, 인터플레이 평가, 치료 계획 최적화 등에 실용적인 도구를 제공한다는 점에서 큰 의의를 가진다.