망막 질환 진단용 3차원 다중 모달 AI 모델 OCTCube-M 개발

주장망막 질환은 전 세계적 시력 상실의 주요 원인으로, 3차원 광간섭단층촬영(Optical Coherence Tomography, OCT) 데이터를 효과적으로 활용하는 기술이 필요합니다. 기존 분석 방식은 3차원 구조 정보를 충분히 활용하지 못하며, 다른 영상 모달리티와의 통합이 어렵다는 한계가 있습니다.

팩트연구진은 3차원 기반 다중 모달 프레임워크인 OCTCube-M을 개발하여 3차원 OCT와 2차원 망막 영상을 통합 분석합니다. 이 모델은 대조 학습 방법인 COEP을 사용하여 OCT와 안저 자가형광, 적외선 영상 등을 효과적으로 결합합니다.

팩트OCTCube 모델은 2만6605개의 3차원 OCT 볼륨과 162만 개의 2차원 슬라이스를 학습했습니다. 이 모델은 8가지 망막 질환 예측에서 최첨단 성능을 달성했으며, 다양한 임상 환경과 장비 전반에 걸쳐 강력한 일반화 능력을 보입니다.

팩트OCTCube-IR 모델은 2만6685쌍의 OCT와 적외선 영상을 학습하여 두 모달리티 간의 정확한 교차 검색과 공동 분석을 가능하게 합니다. 이는 서로 다른 영상 기기에서 얻은 정보를 통합하여 진단의 신뢰성을 높입니다.

팩트OCTCube-EF 모델은 400만 개 이상의 2차원 OCT 슬라이스와 40만 개의 망막 영상을 학습했습니다. 이 모델은 23개국 6개 다기관 임상 시험 데이터를 바탕으로 지도상 위축의 성장 속도를 예측하는 데 탁월한 성능을 보입니다.

교차검증OCTCube-EF 모델은 제약사의 독점적인 임상 시험 데이터를 사용하여 학습했기에 일반 대중에게 공개되지 않습니다. 연구 목적의 비상업적 사용을 위해서는 데이터 관리자의 승인과 라이선스 계약 등 엄격한 절차가 필요합니다.

팩트연구에 사용된 데이터는 워싱턴 대학교의 임상 및 학술 절차를 통해 수집되었으며, 모든 데이터는 개인정보 보호를 위해 익명화되었습니다. 기밀 유지 협약에 따라 익명화된 데이터셋 자체를 공개적으로 공유하는 것은 불가능합니다.

주장OCTCube-M은 교차 사이트, 교차 장비, 교차 모달리티 및 전신 질환 예측 분야에서 상당한 발전을 이루었습니다. 특히 지도상 위축과 같은 질환의 임상 시험에서 환자의 예후를 평가하는 데 큰 유용성을 제공합니다.

팩트OCTCube 모델은 파이썬 3.11, 파이토치 2.4.1 등을 사용하여 구현되었습니다. 사전 학습된 모델 체크포인트는 허깅페이스 허브를 통해 공개되었으며, 전체 코드와 라이브러리 목록은 깃허브 저장소에서 확인할 수 있습니다.

출처네이처(Nature) 학술지 논문(s41551-026-01662-2)과 관련 임상 시험 데이터(NCT02247479, NCT02247531 등)를 교차 검증했습니다. 추가적인 데이터 접근 요청은 비블리(Vivli) 플랫폼 및 각 연구 기관의 가이드라인을 따라야 합니다.