비만성 폐암 (NSCLC) 병리학적 분류를 위한 가상 스캐닝: 합성 PET 의 판별력 탐구

요약

본 논문은 비만성 폐암(NSCLC)의 주요 아형인 선종암과 편평상피세포암의 정확한 병리학적 분류를 위해 '가상 스캐닝' 기법을 제안합니다. 이 방법은 기존 CT 스캔 데이터에 3D Pix2Pix GAN을 사용하여 합성된 pseudo-PET 볼륨(합성 PET)을 추가하여, 부족한 대사 정보를 보완하는 것을 목표로 합니다. 실험 결과, 이러한 다중 모달 접근 방식은 분류 성능 지표(AUC 및 GMean)를 통계적으로 유의미하게 개선하며, 물리적 PET 스캔이 불가능한 임상 환경에서 강력한 특징 강화 전략이 될 수 있음을 입증했습니다.

핵심 포인트

• NSCLC 아형(ADC vs SCC) 분류는 개인 맞춤 치료에 필수적이지만, 표준 PET/CT의 비용 및 방사선 노출 문제가 제약 요인이다.
• 제안된 프레임워크는 3D Pix2Pix GAN을 활용하여 CT 스캔으로부터 합성 pseudo-PET 볼륨을 생성한다.
• 합성 PET 데이터를 기존 구조적 CT 데이터와 통합하는 MINT 아키텍처를 통해 분류 성능을 향상시켰다.
• 실험 결과, 합성 대사 특징의 추가는 AUC 및 GMean 등 주요 분류 지표를 통계적으로 유의미하게 개선했다.