전역 라디오믹스와 파라메트릭 맵을 결합한 통합 워크플로우로 PDAC 탐지 향상

본 논문은 췌장암(PDAC) 검출을 위해 전통적인 라디오믹스와 최신 딥러닝 모델을 융합한 새로운 워크플로우를 제안한다. 기존 연구는 전역 라디오믹스 피처만을 이용하거나, 파라메트릭 맵을 사용하더라도 전역 피처와의 연계가 부족했다는 점을 지적하고, 이를 해결하기 위해 두 단계의 접근을 설계하였다. 첫 번째 단계는 전역 라디오믹스 분석이다. 전체 췌장 마스크(관 포함)를 이용해 1,486개의 피처(원본, LoG, 웨이블릿 변형 포함)를 PyRadiomics로 추출하고, z‑score 정규화 후 FDR‑보정된 Pearson 상관 검정으로 유의미한 피처를 선별한다. 이어서 재귀적 특성 제거(RFE)와 SVM 기반 평가를 거쳐 최종 10개의 판별력 높은 피처를 선정한다. 여기서 shape‑based 피처는 제외하고, 나머지 8개 피처에 대해 GPU 가속 슬라이딩 윈도우(5 voxel) 방식을 적용해 voxel‑level 파라메트릭 맵을 생성한다. 이 과정은 기존 CPU 기반 PyRadiomics 대비 평균 3배 빠른 PyTorchRadiomics 구현으로, 대규모 코호트에서도 실시간 수준의 전처리를 가능하게 한다. 두 번째 단계는 두 단계로 구성된 nnUNet 기반 PDAC 검출 파이프라인이다. Stage 1은 저해상도 CT(4.5 × 4.5 × 9 mm)에서 nnUNet을 학습시켜 췌장 ROI를 대략적으로 예측한다. 이 예측을 바탕으로 고정 크기(100 × 50 × 15 mm)의 고해상도 ROI를 정의한다. Stage 2에서는 이 ROI를 입력으로 하여 고해상도 nnUNet을 학습한다. 여기서는 단일 PDAC 라벨이 아니라 췌장, 대동맥, 문맥, 췌관, 총담관 등 5개의 구조를 동시에 세그멘테이션하도록 설계해 해부학적 컨텍스트를 강화한다. 라디오믹스는 두 가지 방식으로 네트워크에 주입된다. 첫째, 8개의 파라메트릭 맵을 CT와 채널 차원에서 concat하여 입력에 추가함으로써 voxel‑level 지역 정보를 직접 제공한다. 둘째, 전역 라디오믹스 벡터(10 dim)를 bottleneck에 cross‑attention 형태로 삽입한다. 전역 벡터가 query, nnUNet의 latent feature가 key/value 역할을 수행해 전역 바이오마커와 지역 특징 사이의 상호작용을 학습한다. 손실 함수는 Dice와 정규화된 교차 엔트로피의 가중합이며, Stage 1의 예측 마스크를 사용해 라디오믹스를 추출함으로써 실제 임상 적용 시의 오류 전파를 고려한다. 실험은 세 부분으로 나뉜다. (1) 전역 라디오믹스만을 이용한 SVM 분류는 5‑fold CV에서 AUC 0.824 ± 0.035, AP 0.667 ± 0.046을 기록해 피처 선정 자체가 의미 있는 신호를 담고 있음을 확인한다. (2) 전체 파이프라인은 PANORAMA 데이터셋(2,238건)에서 5‑fold 교차 검증 시 AUC 0.959, AP 0.836, (AUC+AP)/2 0.897을 달성했으며, 외부 Cedars‑Sinai 코호트(218건)에서는 AUC 0.951, AP 0.777, (AUC+AP)/2 0.864를 기록해 baseline nnUNet 대비 p < 0.01의 통계적 유의성을 보인다. 특히 전역 피처만을 추가했을 때보다 파라메트릭 맵만을 추가했을 때가 더 높은 AP를 보였는데, 이는 Stage 1 마스크 오차가 전역 피처에 부정적 영향을 미칠 수 있음을 시사한다. (3) 라디오믹스 파라메트릭 맵 추출 속도는 vanilla PyRadiomics가 53.42 s/feature인 반면, GPU 기반 PyTorchRadiomics는 16.28 s/feature로 크게 단축되어 실시간 임상 적용이 가능함을 입증한다. 결론적으로, 전역 라디오믹스와 voxel‑level 파라메트릭 맵을 동시에 활용하고, 이를 nnUNet에 cross‑attention으로 결합함으로써 PDAC 검출 성능과 해석 가능성을 동시에 향상시켰다. 연구는 라디오믹스와 딥러닝의 상호 보완성을 강조하며, 향후 멀티‑스케일 attention, 자동 피처 탐색, 다양한 CT 위상에 대한 일반화 검증 등을 통해 더욱 견고한 시스템으로 발전시킬 여지를 제시한다.