데이터가 부족한 상황에서 자동 국소 피질 이형성증(FCD) 탐지에 합성 병변 MRI 영상이 미치는 영향

배경 및 목적: 국소 피질 이형성증 (Focal Cortical Dysplasia, FCD)의 자동 탐지에는 복셀 단위로 병변이 구분된 대량의 MRI 데이터가 필요하지만, 이를 확보하는 것은 어렵습니다. 본 연구는 FCD를 나타내는 합성 MRI 데이터를 생성하고, 그 사실성을 평가하며, 특히 수동 주석 (manual annotations)의 필요성을 줄이는 측면에서 자동 FCD 탐지에 미치는 영향을 평가하는 것을 목표로 합니다. 방법: 3개 기관에서 수집된 131명의 FCD 환자와 90명의 건강한 대조군으로부터 얻은 T1 강조 (T1-weighted, T1w) 및 T2 강조 액체 감쇄 역전 회복 (T2-weighted Fluid-Attenuated Inversion Recovery, FLAIR) MRI 스캔을 후향적으로 연구했습니다. 합성 MRI는 이진 FCD 마스크 (binary FCD masks)를 생성 네트워크 (generative network)의 조건으로 설정하여 생성되었습니다. 두 명의 신경방사선 전문의가 14개의 실제 스캔과 14개의 합성 스캔이 포함된 무작위 세트에서 실제 영상을 식별했습니다. 세 가지 nnU-Net 모델을 다음 조건으로 FCD를 탐지하도록 학습시켰습니다: (i) 실제 데이터만 사용 (35 FCD / 35 대조군), (ii) 실제 데이터 (35 FCD / 35 대조군) 및 합성 데이터 증강 (synthetic augmentation) 사용, (iii) 확장된 실제 데이터 (70 FCD / 70 대조군) 사용. 결과: 전문가들은 실제 영상과 합성 영상을 구별하는 능력이 제한적이었으며, 분류 정확도는 T1w의 경우 60%, FLAIR의 경우 70%였습니다 (평가자 간 일치도 카파(kappa) = 0.86). 합성 데이터를 사용하여 자동 FCD 탐지를 증강했을 때 민감도 (sensitivity)가 8.14% 증가하였고 (p = 0.12), 실제 병변 위치에서의 모델 신뢰도 (confidence)가 향상되었습니다 (0.83 +/- 0.11에서 0.89 +/- 0.12로; p = 0.02). 확장된 실제 데이터 모델은 민감도를 73.8%로 (p < 0.001), 신뢰도를 0.90 +/- 0.14로 (p = 0.01) 더욱 향상시켰습니다. 결론: 조건부 생성 네트워크 (Conditional generative networks)는 사실적인 합성 FCD-MRI를 생성할 수 있으며, 동등한 민감도를 유지하면서 라벨링된 데이터의 필요성을 약 20% 줄일 수 있습니다. 다만, 동일한 양의 실제 데이터를 사용할 수 있는 경우에는 합성 데이터 증강보다 실제 데이터가 여전히 더 효과적입니다.