Locoregional Recurrence Prediction Using a Deep Neural Network of Radiological and Radiotherapy Images

이 연구에서는 두경부 편평세포암(HNSCC) 환자의 국소재발(locoregional recurrence, LR)을 예측하기 위해, CT, PET, 방사선 선량 분포(dose distribution), 그리고 임상 데이터를 입력으로 활용하는 3차원 딥러닝 모델(3D CNN)을 개발하였다. 기존 radiomics 기반 접근과 달리, 본 모델은 영상의 세분화(segmentation)나 피처 추출 없이 원본 의료 영상을 그대로 학습 데이터로 사용하여 재현성 문제를 줄였다. 특히 CT+PET+Dose+임상 정보까지 포함한 CPD-C 모델은 평균 AUC 0.892(최고 0.974)를 기록하며 가장 높은 성능을 보였다. Grad-CAM 기반 시각화를 통해 모델이 단순히 종양 부위뿐 아니라 주변 조직까지 포함한 영역을 기반으로 예측 결정을 내린다는 점도 확인되었다. 본 연구는 시간 소요 없이 환자의 LR 위험을 정량화할 수 있는 비침습적 예측 도구를 제시하며, 맞춤형 치료계획 수립에 실질적 기여를 할 수 있는 기반을 마련하였다.