Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
심장 종양학 분야의 조기 심독성 예측을 위한 다기관 종단적 심초음파 데이터셋인 EchoRisk를 공개합니다. 이 데이터셋은 LVEF 자동 추정, 좌심실 기능 장애 분류, 조기 심독성 예측을 위한 벤치마크를 제공합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기치료 유발 심독성 (Therapy-induced cardiotoxicity)은 유방암 환자의 치료 중단을 야기하는 주요 비종양학적 원인이지만, 일상적인 심장 영상으로부터 조기에 자동화된 위험 계층화 (risk stratification)를 수행하는 것은 여전히 해결되지 않은 과제로 남아 있습니다. 우리는 EchoRisk-MICCAI 2026 챌린지의 주요 기술 참조 자료로 공개되는, 명시적인 심독성 라벨이 포함된 최초의 큐레이션된 다기관 종단적 심초음파 (longitudinal echocardiography) 데이터셋인 EchoRisk를 제시합니다. 이 데이터셋은 EU의 지원을 받는 CARDIOCARE 전향적 연구에 참여한 5개 유럽 기관의 환자 422명으로 구성되며, 최대 5개의 종단적 시점에서 획득된 1,123회의 임상 검사를 통해 2,159개의 심초음파 영상을 생성합니다. 이와 함께 조기 심독성 예측을 위한 기초 영상(baseline imaging)을 포함한 280명의 전용 코호트가 포함되어 있습니다. 세 가지 임상 기반 작업이 정의됩니다: 시네 영상 (cine video)으로부터 좌심실 박출률 (left ventricular ejection fraction, LVEF)의 자동 추정 (Task 1), 종단적 영상을 통한 좌심실 (LV) 기능 장애 분류 (Task 2), 그리고 치료 전 기초 심초음파만으로 치료 유발 심독성을 조기에 예측하는 것 (Task 3). 각 작업에 대해 우리는 평가 프로토콜, 주요 및 보조 지표, 그리고 순위 산정 절차를 명시합니다. 우리는 Kinetics-400 사전 학습 가중치로부터 학습된 LSTM 집계 방식의 R(2+1)D 비디오 백본 (video backbone)을 사용하여 베이스라인 성능을 구축하였으며, 심장 기능 평가 및 좌심실 (LV) 기능 장애 분류에서 강력한 판별 성능을 입증했습니다. 반면, 단일 치료 전 영상으로부터의 조기 심독성 예측은 커뮤니티에 여전히 중요한 미해결 과제로 남아 있습니다. 이 데이터셋, 평가 코드 및 베이스라인 구현체는 심장 종양학 (cardio-oncology) 분야에서의 추가적인 협업, 비교 및 작업별 특화 아키텍처 생성을 위한 벤치마크로 활용될 수 있도록 공개적으로 제공됩니다.