딥 러닝으로 전체 볼륨 묘사 가능

Apr 24, 2023

Nature Communications 13권, 기사 번호: 6566(2022) 이 기사 인용

6150 액세스

3 인용

7 알트메트릭

측정항목 세부정보

암 환자를 위한 방사선 치료에서 필수적인 과정은 위험 장기(OAR)와 종양을 묘사하는 것입니다. 그러나 방사선 종양학자는 항상 수동으로 묘사해야 하기 때문에 가장 시간이 많이 걸리는 단계입니다. 여기에서는 전신 OAR 및 종양의 자동, 신속, 정확한 초기화를 촉진하기 위해 RTP-Net이라는 방사선 치료 치료 계획(RTP)을 위한 경량 딥 러닝 프레임워크를 제안합니다. 간단히 말해서, 프레임워크는 크고 작은 기관 모두에 대한 적응형 모듈과 기관 및 경계에 대한 주의 메커니즘을 사용하여 계단식으로 거친 분할을 구현합니다. 우리의 실험은 세 가지 장점을 보여줍니다. 1) 28,581개 사례의 대규모 데이터 세트에서 67개 묘사 작업을 광범위하게 평가합니다. 2) 평균 주사위 0.95로 비슷하거나 우수한 정확도를 보여줍니다. 3) 2초 미만으로 대부분의 작업에서 거의 실시간 묘사를 달성합니다. 이 프레임워크를 활용하면 올인원 방사선 치료 계획에서 윤곽 형성 과정을 가속화하여 환자의 처리 시간을 크게 단축할 수 있습니다.

암은 전 세계적으로 이환율과 사망률이 급격히 증가하는 질병의 주요 부담으로 간주됩니다1,2,3. 2040년에는 2,840만 건의 새로운 암 사례가 발생할 것으로 추산되며, 이는 2020년에 발생한 1,930만 건의 신규 암 사례보다 47.2% 증가한 수치입니다. 방사선요법(RT)은 암에 대한 근본적인 치료 또는 완화 치료법으로 사용되며, 약 50% RT4,5,6의 혜택을 받는 암 환자의 비율. 고에너지 방사선은 암과 정상 세포 모두의 유전 물질을 손상시킬 수 있다는 점을 고려하여, 방사선 조사량 분포와 장기의 기능 상태에 따라 크게 달라지는 RT의 효능과 안전성의 균형을 맞추는 것이 중요합니다. -위험(OAR)6,7,8,9. 종양 및 OAR의 정확한 묘사는 RT의 결과에 직접적인 영향을 미칠 수 있습니다. 왜냐하면 부정확한 묘사는 과다 복용 또는 과소 복용 문제로 이어질 수 있고 독성 위험을 증가시키거나 종양의 효능을 감소시킬 수 있기 때문입니다. 따라서 OAR을 보호하면서 표적 종양에 지정된 용량을 전달하려면 정확한 분할이 매우 필요합니다.

일상적인 임상 RT 작업흐름은 (1) CT 영상 획득 및 초기 진단, (2) 방사선치료 치료 계획(RTP), (3) 방사선 전달, (4) 후속 관리를 포함한 4단계로 나눌 수 있습니다. 이는 방사선 종양학자, 의료 선량계측사, 방사선 치료사 등과 같은 의료 전문가 팀의 지도를 받습니다10,11. 일반적으로 RTP 단계에서는 방사선 종양학자와 선량계측사가 OAR과 표적 종양의 윤곽을 정하는 작업을 수동으로 수행합니다. 수동 분할의 재현성과 일관성은 관찰자 내 및 관찰자 간 가변성으로 인해 어려운 일입니다. 또한 수동 프로세스는 시간이 많이 걸리고 환자당 몇 시간 또는 며칠이 걸리기 때문에 RT 치료가 크게 지연됩니다12,13. 따라서 OAR과 표적 종양 모두에 대해 정확하고 일관된 묘사를 달성하기 위해 빠른 분할 접근 방식을 개발하는 것이 바람직합니다.

가장 최근에는 딥 러닝 기반 분할이 아틀라스 기반 윤곽, 통계적 형태 모델링 등과 같은 대부분의 분류 및 회귀 접근 방식과 비교하여 정확하고 일관된 결과를 제공하는 데 엄청난 잠재력을 보여주었습니다17 ,18,19,20. 가장 널리 사용되는 아키텍처는 U-Net24,25, V-Net26 및 nnU-Net27을 포함하는 CNN(Convolutional Neural Network)21,22,23으로 Medical Image Decathlon Segmentation Competition에서 탁월한 성능을 발휘합니다. 게다가, 다른 하이브리드 알고리즘도 뛰어난 분할 성능을 보여주었습니다28,29,30, 즉 Swin UNETR31. 그러나 딥러닝 기반 알고리즘은 특히 3D 이미지 처리를 위해 그래픽 처리 장치(GPU) 메모리와 같은 특정 컴퓨팅 리소스가 필요하므로 실제로 임상 적용이 제한됩니다.