Fully Automated Hybrid Approach to Predict the IDH Mutation Status of Gliomas via Deep Learning and
본 연구는, 수술 전 brain MRI에 통상적으로 포함되는 conventional structure MRI에 CNN (convolutional neural network)을 적용하여, glioma 의 예후 / 치료반응에 중요한 종양의 IDH 상태를 예측한 연구이다. Conventional MRI 로 IDH 상태를 예측하는 딥러닝 연구는 과거 몇 편 발표된 바 있으나, 1) 예측 과정이 완전 자동화가 되지 않았거나, 2) 딥러닝 모델의 예측 정확도가 다른 병원 혹은 국가의 환자에서 어느정도 유지되는지 generalizability에 대한 external testing 이 되지 않았다는 점에서 한계가 있었으며, 인력 및 딥러닝 모델 개발 여건의 부족을 고려하여, “완전 자동화된 IDH 상태 예측모델을 큰 규모의 단일병원에서 개발하고, 이 모델을 다른 병원에서 도입해 쓴다.” 는 현실적 시나리오를 가정하고 디자인한 연구이다. 이를 위해 본 연구에서는, 3개 데이터셋 (세브란스병원, 서울대병원, The Cancer Imaging Archive [TCIA])의 1,166명glioma 환자를 대상으로, 세브란스병원 데이터를 기반으로 완전 자동화된 IDH 상태 예측 모델을 트레이닝 한 후, 이를 세브란스병원 데이터 및 다른 두 데이터 셋에서 각각 internal, external testing을 하였다.

(Figure 1. Fully automated hybrid model for IDH status prediction)
완전 자동화된 IDH 상태 예측은, automatic tumor segmentation 을 위한 Model 1, 그리고 IDH status classification 을 위한 Model 2, Model 1과 2사이를 연결해주는 완전 자동 프로세싱 부분으로 구성되어 있다 (Figure 1). 기존의 CNN이 이미지 픽셀값만을 이용하는 것과 달리, MRI상의 2차원 종양 부위 픽셀값 및 3차원적인 종양 위치 및 모양 정보를 모두 이용한 hybrid approach 로 예측 정확도를 높인 것이 본 연구의 장점이다. 또한, Gradient-weighted Class Activation Mapping (grad-CAM) 기법으로, 딥러닝 모델이 IDH 상태 예측을 하는데 있어 종양 이미지의 어느 부분이 중요한지 해석하였다.

(Figure 2. Performance of the hybrid model in the prediction of IDH status. ROC, receiver operating characteristics; PR, precision-recall)
Model testing 결과를 보면, development set과 같은 세브란스 병원에서 나온 internal test set > 서울대병원 데이터 (SNUH set) >TCIA set 순으로 IDH 상태 예측 정확도가 높았으며, 각각93.8%, 87.9%, 78.8% 의 정확도,그리고 0.96, 0.94, 0.86의 AUC값을 얻었다 (Figure 2).
서울대병원과 세브란스 병원은 다른 회사의 MR scanner 를 사용하지만 (Siemens vs. Philips), 환자 대부분이 한국인이고 imaging protocol 이 비슷하며, TCIA set은 MR scanner 도 heterogeneous 하고, 환자군이 북미 다인종으로 이루어져 있고, imaging protocol 또한 세브란스병원과 다르고 heterogeneous 하다. 따라서 본 연구 결과는, 타 기관에서 개발된 딥러닝 모델을 도입할 때, 개발한 기관과 도입하고자 하는 기관 사이의 환자군 특성 및 imaging protocol의 차이를 고려해야함을 시사하며, MR scanner가 다른 것은 어느정도 극복될 수 있다는 것을 시사한다.
참고 url: https://academic.oup.com/neuro-oncology/advance-article-abstract/doi/10.1093/neuonc/noaa177/5876011
https://www.ibric.org/myboard/read.php?Board=tr_interview&id=214687&Page=1&qinterview=Y