근골격계 MRI에서 기반 모델의 임상 활용: 바이오마커 신뢰도와 예측 결과

초록

본 연구는 SAM, SAM2, MedSAM 등 최신 기반 세그멘테이션 모델을 근골격계 MRI에 적용하고, 자동 프롬프트 생성과 결합한 파이프라인을 구축하였다. 12개 데이터셋(총 913건)에서 미세조정 후 얻은 세그멘테이션은 전문가 주석과 높은 Dice·Jaccard 일치를 보였으며, 이를 기반으로 연골 두께·골밀도·근육 부피 등 정량적 바이오마커를 추출하였다. 추출된 바이오마커를 활용해 (i) 무릎 MRI triage cascade를 설계해 검증 작업량을 30% 이상 절감하면서 민감도 유지, (ii) 48개월 장기 예측 모델을 구축해 무릎 전치환술 및 골관절염 발생 위험을 정확히 예측하였다. 오픈소스, 모델‑agnostic 설계로 독립 검증 및 확장이 용이함을 강조한다.

상세 분석

본 논문은 근골격계(MSK) 영상에서 정량적 바이오마커를 자동으로 추출하고, 이를 임상 의사결정에 직접 연결하는 전 end‑to‑end 시스템을 제시한다. 먼저, 12개의 이질적인 MSK MRI 데이터셋(무릎, 고관절, 어깨, 요추, 대퇴부)을 수집하고, 각 데이터셋에 대해 전문가가 만든 조직 라벨을 기준으로 학습·검증·테스트를 70/15/15 비율로 분할하였다. 모델 선택 단계에서는 공개 가중치를 보유한 세 가지 프롬프트 가능한 세그멘테이션 기반 모델(SAM ViT‑B, MedSAM ViT‑B, SAM2 hiera_base_plus)을 동일한 파라미터 규모(≈80–90M)로 제한해 비교하였다. 이는 임상 현장에서 GPU 메모리·추론 지연을 최소화하고, 다양한 스캐너·프로토콜에 대한 일반화를 평가하기 위함이다.

프롬프트 전략은 2D 박스 프롬프트를 자동 생성하는 객체 검출 모델을 사용해 전 MRI 슬라이스에 일관된 입력을 제공한다. 특히 SAM2의 메모리 모듈을 비활성화해 슬라이스 간 라벨 충돌을 방지하고, 모든 모델이 동일한 입력 형태를 받도록 함으로써 모델 자체 성능 차이를 명확히 평가하였다. 전처리 파이프라인은 Y‑AML 기반으로 강도 정규화·1024×1024 리샘플링·RGB 스택을 수행하고, 마스크는 256×256 크기로 축소·최근접 보간·형태학적 클로징을 적용해 일관된 포맷을 확보했다.

세그멘테이션 성능 평가는 Dice와 Jaccard 지표를 사용했으며, 구조별 중앙값 외에 5th 퍼센타일·최소값을 보고해 최악 상황에서도 신뢰성을 확인했다. 결과적으로 모든 해부학 부위에서 Dice 평균 0.86–0.92를 달성했으며, 특히 연골·골 조직에서 MedSAM이 가장 높은 일치를 보였다. 이러한 고품질 세그멘테이션을 바탕으로 연골 두께, 골 높이, 근육 부피, T1ρ/T2 이완 시간 등 다양한 바이오마커를 자동 계산하였다. 바이오마커와 전문가 측정값 간의 Bland‑Altman 및 ICC 분석 결과, 평균 편차는 <5%이며 ICC는 0.88 이상으로 임상적 신뢰성을 입증했다.

임상 적용 사례는 두 가지로 구분된다. 첫 번째는 무릎 MRI triage cascade로, 1단계에서 연골·골 손상 여부를 빠르게 스크리닝하고, 2단계·3단계에서 위험도가 높은 케이스만 인간 판독자가 검토하도록 설계했다. 시뮬레이션 결과, 전체 검증 작업량을 약 35% 감소시키면서 95% 이상의 민감도를 유지했다. 두 번째는 48개월 장기 예측 모델로, OAI 코호트의 연속 MRI에서 추출한 연골·반월판 두께 변화를 입력 변수로 사용해 Cox proportional hazards와 랜덤 포레스트 기반 위험 모델을 구축했다. 모델은 무릎 전치환술 위험을 0.1–0.3, 골관절염 발생 위험을 0.2–0.4의 임계값에서 좋은 보정(calibration)과 net benefit을 보였으며, decision curve 분석을 통해 임상적 의사결정에 실질적인 가치를 제공한다는 점을 강조한다.

또한, 본 연구는 모델‑agnostic·오픈소스 아키텍처를 제공함으로써 다른 연구팀이 동일 파이프라인을 재현·확장할 수 있게 설계되었다. 코드와 학습된 가중치는 GitHub에 공개되며, 데이터셋 메타정보와 전처리 스크립트도 함께 제공한다. 이는 향후 다양한 MSK 질환(예: 척추 디스크 퇴행, 어깨 회전근개 파열)에도 동일한 프레임워크를 적용할 수 있는 기반을 마련한다. 전반적으로, 본 논문은 최신 기반 모델을 의료 영상에 적용하는 방법론적 가이드라인을 제시하고, 정량적 바이오마커를 통한 즉시적인 업무 효율화와 장기적인 위험 예측이라는 두 축의 임상 가치를 동시에 입증한다.