KAYRA: 클라우드 및 온프레임 배포를 지원하는 AI 보조 핵형 분석을 위한 마이크로서비스 아키텍처

우리는 임상 세포유전학 실험실의 운영 제약 내에서 작동하는 엔드투엔드 핵형 분석 시스템인 KAYRA 를 소개합니다. KAYRA 는 컨테이너화된 마이크로서비스 파이프라인으로 설계되었으며, ML 스택은 EfficientNet-B5 + U-Net 의미론적 세그멘테이션기, Mask R-CNN (ResNet-50 + FPN) 인스턴스 탐지기, 그리고 ResNet-18 분류기로 구성됩니다. 이 모델들은 염색체가 존재하는 영역에 각 다운스트림 모델을 집중시키는 연쇄된 ROI 축소 전략을 통해 오케스트레이션됩니다. 동일한 컨테이너 이미지는 클라우드 서비스 및 온프레임 설치용으로 모두 배포되어, 환자 데이터 외출이 허용되지 않는 임상 환경과 허용되는 환경을 모두 지원합니다. 두 상용 참조 핵형 분석 시스템에 대한 10 개 메타페이즈 스프레드의 459 개 염색체에 대한 예비 임상 평가에서 KAYRA 는 세그멘테이션 정확도 98.91 % (대조군: 78.21 % / 40.52 %), 분류 정확도 89.1 % (대조군: 86.9 % / 54.5 %), 회전 정확도 89.76 % (대조군: 94.55 % / 78.43 %) 를 보였습니다. KAYRA 는 세 가지 축 모두에서 더 오래된 밀도 임계값 참조 시스템보다 성능이 향상되었으며 (염색체 수준의 카운트에 대한 Fisher 의 정확한 검정에서 세그멘테이션과 분류에 대해 p < 0.0001), 세그멘테이션 측면에서는 현대적인 AI 기반 참조 시스템에도 비해 우수했습니다 (p < 0.0001). 분류 측면에서는 현재 테스트 세트 크기에서 현대적인 AI 참조 시스템과의 차이는 통계적으로 유의미하지 않았습니다 (p = 0.34). 이 시스템은 TRL 6 성숙도에 도달하며, 진단 세포유전학 실무가 요구하는 인간이 개입하는 전문가 검토 워크플로우를 통합합니다. 본 논문의 주장은 다중 모델 세포유전학 AI 서비스를 유연한 배포 (클라우드 호스팅 또는 온프레임) 를 지원하는 마이크로서비스 아키텍처로 패키징할 수 있으며, 예비 임상 평가에서 강력한 실증 성능을 제공할 수 있다는 것입니다.