| 초록 |
□ 연구개요 악성 뇌종양에서 적대적 생성 신경망 기반으로 다량의 데이터 셋을 확보 및 치료 반응을 조기 예측하여 환자 예후 예측 및 치료 계획 수립에 도움을 주는 인공 지능 모듈 개발 및 고도화하고자 함. □ 연구 목표대비 연구결과 목표) 1차년도: 기 확보된 뇌종양 치료 후 추적 검사 5000건 및 대조군 정상 영상의 비정형화 빅데이터 학습 및 생산적 적대 신경망 (Generative adversarial network)을 통한 인공 종양 영상 생성 및 종양 검출 결과 1) 뇌 종양 임상데이터, 영상데이터, 질환 관련 오믹스 포함 독립적 데이터 구축하였으며 원내 시스템을 마련하였으며 Medical Logic (CRF: clinical research form) 개발, 및 연동하여 뇌 영상, 임상정보, 유전체정보를 통합 관리 시스템 구축 2) 실제와 유사한 종양 및 정상 영상을 인공적으로 생성하는 생성 적대적 신경망 기반 (generative adversarial network, GAN) 알고리즘 기술 개발 3) 종양 분할 및 특성 추출 도구 개발 2차년도 (2021년) ：뇌종양 특징을 잘 반영하는 다양한 종양 영상 생성 및 최적화 기법 검증, 실제 임상 추적 관찰이 있는 훈련집단 (training set) 에서 데이터 마이닝을 활용한 영상특징 (image features) 들의 선택 및 분류, 임상 연관성 분석 결과 1) 뇌 종양 최적화 된 생성 모델 개발: 생성 모델 중 고해상도 영상을 만들어내는 diffusion model 적용으로 종양 생성 최적화 2) 최신 딥러닝 기법 모색: 영상의 질 개선을 위한 딥러닝 기법 종양 적용 ,지도 학습 뿐 아니라 비 지도 학습 중 하나인 autoencoder를 통한 종양 소분절화 및 종양 진단 임상 연구 3) 생리적 다지표 영상 지표를 이용하여 종양의 구획에 따른 (tumor habitat) 소분할법 개발 4) 영상 특징에 따른 추적 변화 연관성 분석 3차년도 (2022년): 모듈 시스템 탑재 및 내재화, 검증집단 (test set)에서 영상 특징 및 표적 항암제 및 항암방사선 치료반응과의 연관성을 임상 검증함 1) 치료 반응 예측 모듈 임상 사용에 용이하도록 자동화 및 내재화 (Infrastructure) 2) 특정 항암제에 대한 치료 반응과의 연관성 규명: 특정 영상 지표를 보여 조기 적색 경보를 안내 받은 그룹 (양성그룹)에서 표적 치료 방법에 따른 치료 반응을 전향적으로 비교함. 3) 종양에서 본원 데이터 및 외부 병원에서 임상 진단능 검증:교모세포종 이외 악성 림프종의 다기관 데이터에서 진단능을 검증함。 □ 연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성) 활용계획 1) 전이성 뇌종양에서 생성모델 이용 2) 딥러닝을 통한 임상에서 사용가능한 정량화 지표 추출, 구조화된 정보 마련하여 환자별 정교한 예측 및 임상에서의 응용 기대효과 1) 희귀난치성 암인 뇌종양의 자기공명 검사영상은 매우 희소성 있는 데이터임. 국내 양질의 데이터를 생성 하여 국내 최고 수준의 양질의 데이터가 될 것으로 기대됨, 희귀난치성 암 환자의 데이터 부족 극복 및 핵심 영상의 질 향상이 기대됨 - diffusion model을 포함한 고도화된 GAN 모델을 구현하고, 기존에 거의 연구된 사례가 없는 고품질 희귀 뇌질환 데이터 생성 연구를 진행할 수 있음. (출처 : 연구결과 요약문 2p) |
