실시간 방사선 치료 디지털 트윈을 위한 모듈형 프레임워크와 OpenKBP 기반 용량 예측 프로토타입

본 논문은 방사선 기반 영상 및 치료 분야에서 디지털 트윈을 실용화하기 위한 포괄적인 모듈형 프레임워크를 제안한다. 디지털 트윈은 물리적 환자와 지속적으로 데이터를 교환하면서 모델을 갱신하고, 예측 불확실성을 정량화하며, 임상 제약을 만족하는 행동을 선택해야 한다는 점에서 기존의 일회성 딥러닝 기반 용량 예측 모델과 차별화된다. 이를 위해 저자들은 다음과 같은 핵심 구성 요소를 설계하였다. 1. **수학적 기반**: 환자 상태를 잠재 변수 xₜ, 관측을 yₜ, 행동을 uₜ라 정의하고, 상태 전이 함수 f와 관측 함수 h를 통해 베이지안 필터링 형태의 업데이트 식(4)를 도출한다. 실제 구현에서는 MAP 기반의 역문제(식 5)를 사용해 효율적인 추정이 가능하도록 한다. 2. **모듈 구조**: 프레임워크는 PatientData, Model, Solver, Calibration, Decision 다섯 모듈로 구분된다. PatientData는 CT, ROI 마스크, 계획 용량, 전달 로그 등 모든 임상 데이터를 통합하고, Model은 물리 기반과 학습 기반(3D U‑Net) 요소를 결합한다. Solver는 전방 예측과 필요 시 민감도(gradient) 계산을 담당하며, Calibration은 새로운 관측이 들어올 때 모델 파라미터를 업데이트한다. Decision 모듈은 확률적 효용과 chance‑constraint를 이용해 최적 행동을 선택한다. 3. **OpenKBP 기반 구현**: 공개된 OpenKBP 벤치마크를 활용해 11채널 3D U‑Net(약 19.2 M 파라미터)을 재구현하였다. 마스크된 L1 손실을 적용해 feasible dose mask 영역에만 학습하고, bottleneck 및 decoder에 Monte‑Carlo dropout을 삽입해 테스트 시 stochastic forward pass를 수행한다. K=30 정도의 샘플을 통해 voxel‑wise 평균 용량과 분산을 계산한다. 4. **프록시 재보정**: OpenKBP 데이터는 실제 치료 중 전달 용량 로그를 포함하지 않으므로, 저자들은 encoder를 고정하고 decoder만을 재학습하는 경량 전이학습 방식을 도입했다. 이는 초기 fraction에서 얻을 수 있는 QA 신호(예: 부분 용량 측정)를 모방한 것으로, 매 fraction마다 새로운 관측을 반영해 모델을 점진적으로 개선한다. 5. **불확실성 기반 의사결정**: 후보 행동 집합 Uₜ는 공간 변조 마스크, 스케일링 변형 등으로 정의하고, 효용 함수는 TCP‑λ·NTCP‑γ·Uₜ 형태의 생물학적 유틸리티와 불확실성 페널티 Uₜ(σ) 를 결합한다. 샘플 기반 chance‑constraint(식 14)를 적용해 제약 위반 확률이 사전 정의된 αⱼ 이하가 되도록 최적화한다. 6. **실험 및 결과**: 100명 환자 테스트 세트에서 3회 fraction 가상 치료 루프를 수행하였다. 각 루프는 디코더 재보정 → Monte‑Carlo 추론 → 공간 최적화 순으로 진행되며, 전체 루프는 10.3 초, 환자당 평균 추론 시간은 0.58 초였다. 평균 dose score는 2.65 Gy(표준편차 0.42), DVH score는 1.82 Gy(표준편차 0.55)로, 기존 정적 모델 대비 불확실성을 고려한 의사결정이 가능함을 보여준다. 또한, voxel‑wise 불확실성 맵과 불확실성 가중 DVH를 시각화해 임상의가 위험 영역을 직관적으로 파악할 수 있도록 지원한다. 7. **향후 과제**: 현재 구현은 정적 벤치마크에 기반한 프록시 업데이트에 머물러 있다. 실제 임상 적용을 위해서는 전달 용량 로그, 반복 CT/MRI, 바이오마커 등 장기 관측 데이터를 수집·통합하고, 베이지안 필터링(예: 파티클 필터, 앙상블 Kalman)으로 지속적인 상태 추정을 수행해야 한다. 또한, 다양한 종양 부위와 치료 기법(예: SBRT, IMRT)에도 적용 가능하도록 모델을 확장하고, 임상 시험을 통해 실제 치료 결과와의 상관관계를 검증할 필요가 있다. 결론적으로, 본 연구는 디지털 트윈의 핵심 요소인 데이터 동화, 불확실성 정량화, 제약 기반 의사결정을 하나의 통합 파이프라인으로 구현함으로써 방사선 치료 분야에서 재현 가능하고 확장 가능한 연구 플랫폼을 제공한다. OpenKBP 기반의 재현 가능한 벤치마크와 모듈형 설계는 향후 다양한 기관에서의 협업 및 임상 전이 연구에 중요한 토대를 제공할 것으로 기대된다.