뇌 좌표 자동 라벨링·문헌 연계·AI 요약까지 한 번에 – Coord2Region 파이썬 패키지

초록

Coord2Region은 MNI·Talairach 좌표를 20여 개 뇌 아틀라스와 연결하고, NiMARE 기반 Neurosynth·NeuroQuery 데이터베이스에서 관련 논문을 자동 검색한다. 선택적으로 LLM을 이용해 연구 요약과 영역 이미지까지 생성하며, CLI·Python API·웹 인터페이스를 통해 배치 처리와 재현성을 지원한다.

상세 분석

본 논문은 좌표 기반 신경영상 분석에서 흔히 겪는 “좌표 → 해부학적 라벨 → 기능적 해석”의 세 단계 과정을 하나의 파이프라인으로 통합한 Coord2Region 패키지를 제안한다. 기술적으로는 (1) AtlasFetcher와 AtlasFileHandler를 통해 NIfTI·npz 등 다양한 포맷의 아틀라스를 자동 다운로드·로드하고, 각 아틀라스에 대해 라벨링된 voxel·vertex 좌표 집합을 미리 KD‑tree 구조로 색인한다. 이는 좌표가 라벨이 없는 영역에 속할 경우 최근접 라벨을 빠르게 찾고, Euclidean 혹은 geodesic 거리까지 반환함으로써 불확실성을 정량화한다는 점에서 기존 GUI 기반 툴보다 확장성과 정확성이 크게 향상된다.

(2) 좌표‑라벨 매핑은 AtlasMapper, MultiAtlasMapper, BatchAtlasMapper 세 클래스로 계층화되어 있다. 단일 아틀라스 매핑부터 다중 아틀라스 동시 매핑, 대규모 배치 처리까지 일관된 인터페이스를 제공하며, 자동 hemisphere 추론·좌표↔voxel↔region 변환을 지원한다. 특히 배치 처리 시 캐시된 KD‑tree와 중심점 정보를 재사용해 실행 시간을 초 단위로 단축한다.

(3) 문헌 연계는 NiMARE를 기반으로 Neurosynth와 NeuroQuery 두 메타‑분석 데이터베이스를 동시에 조회한다. 좌표 혹은 라벨을 입력으로 지정된 반경(r) 내의 연구를 추출하고, DOI·PMID가 누락된 경우 CrossRef·PubMed API를 통해 메타데이터를 보완한다. 중복 연구는 자동으로 병합해 최종 리스트를 JSON·CSV 등 다양한 포맷으로 출력한다. 이 과정은 14,000여 건(Neurosynth)와 13,000여 건(NeuroQuery)의 논문을 실시간으로 연계할 수 있어, 기존에 수작업으로 수행하던 문헌 검색을 크게 자동화한다.

(4) LLM 유틸리티는 AIModelInterface라는 추상화 레이어를 통해 OpenAI, Anthropic, Google Gemini, Hugging Face 등 다중 제공자를 지원한다. 비동기 배치 호출, 토큰‑단위 스트리밍, 재시도·백오프 로직, LRU 캐시 등을 구현해 비용·시간 효율성을 높였다. 사용자는 사전 정의된 프롬프트 템플릿을 활용하거나 직접 커스텀 템플릿을 제공해, 연구 요약·방법론 설명·이미지 캡션 등을 자동 생성할 수 있다. 생성된 텍스트는 LaTeX‑호환 형식으로 반환되며, 이미지 생성 기능은 MNI 공간에 AI‑스케치된 영역 마스크를 오버레이한다.

(5) 파이프라인 및 CLI 설계는 세 단계(데이터 초기화 → 좌표‑라벨 매핑 → 문헌 검색 → LLM 요약·시각화 → 결과 내보내기)로 구성되며, 각 단계는 독립 함수·클래스로 구현돼 사용자가 필요에 따라 자유롭게 조합할 수 있다. YAML 기반 설정 파일을 통해 전체 흐름을 재현 가능하게 정의하고, CLI는 동일 설정을 자동으로 파싱해 실행한다.

(6) 웹 인터페이스는 Streamlit 기반으로 구현돼 JSON Schema‑driven 폼을 제공한다. 사용자는 브라우저에서 좌표·아틀라스·출력 옵션·LLM 파라미터 등을 입력하고, 실시간 YAML·CLI 스니펫을 확인하면서 작업을 진행한다. 클라우드 실행 옵션은 Hugging Face Spaces와 연동돼 로컬 환경 없이도 전체 파이프라인을 수행할 수 있다.

전체적으로 Coord2Region은 (①) 다중 아틀라스·KD‑tree 기반 고속 라벨링, (②) NiMARE 연계 메타‑문헌 자동 검색, (③) 제공자 중립 LLM 요약·이미지 생성, (④) CLI·API·웹 UI를 통한 접근성 및 재현성 확보라는 네 축을 균형 있게 구현했다. 다만, LLM 출력이 보조적 역할에 머무른다는 점을 명시하고 있으며, 실제 임상·연구 현장에서의 검증 사례가 아직 제한적이라는 점이 향후 과제로 남는다.