TwinTrack: 의료 영상 분할을 위한 사후 다중 판독자 교정

췌장암(PDAC) CT 영상 분할은 전문가들 사이에서도 의견이 갈릴 만큼 경계가 모호하여 단일 정답(Ground Truth)을 가정하는 기존 방식은 한계가 있다. TwinTrack은 여러 전문가의 의견 합의율을 직접 예측하도록 모델을 교정하여 진단의 불확실성을 수치화하고 신뢰도를 높인다.

딥러닝 모델은 일반적으로 Softmax 함수를 통해 출력된 값을 확률로 해석하지만, 이는 모델이 학습 데이터의 단일 레이블에 대해 가지는 확신일 뿐 실제 임상적 불확실성을 반영하지 못하는 경우가 많다. 특히 췌장암처럼 경계가 불분명한 영역에서는 모델이 0 또는 1의 극단적인 값으로 예측하는 '과잉 확신' 문제가 발생한다.

TwinTrack은 이 문제를 해결하기 위해 모델의 출력을 '이 픽셀이 종양일 확률'이 아니라 '전문가 N명 중 몇 명이 이곳을 종양이라고 부를 것인가'라는 기대치로 재정의한다. 이를 위해 기존 앙상블 모델의 출력값과 실제 전문가들의 판독 비율(MHR) 사이의 간극을 좁히는 교정 계층을 추가한다.

결과적으로 교정된 모델은 모호한 영역에서 0.5와 같은 중간값을 출력하게 되며, 이는 '전문가의 절반 정도가 이곳을 종양으로 판단할 것'이라는 구체적이고 임상적인 의미를 갖게 된다. 이는 단순한 오차 감소를 넘어 AI의 판단에 대한 인간의 신뢰도를 높이는 핵심 기제로 작용한다.

TwinTrack은 2단계 세그멘테이션 파이프라인과 사후 교정 계층으로 구성된다. 먼저 저해상도 nnU-Net이 전체 CT 볼륨에서 췌장 위치를 파악하여 관심 영역(ROI)을 설정한다. 이후 K=3인 고해상도 nnU-Net 앙상블이 해당 영역 내에서 정밀한 종양 분할을 수행하고, 각 모델의 출력을 평균하여 초기 복셀별 점수 ŷ(x)를 산출한다.

핵심인 사후 교정 단계에서는 Isotonic Regression을 사용하여 ŷ(x)를 MHR인 ȳ(x)에 정렬시킨다. ȳ(x)는 N명의 판독자 중 종양 레이블을 부여한 비율 [Σ yᵢ(x) / N]으로 계산된다. Isotonic Regression은 m(ŷ) - ȳ²의 가중치 합을 최소화하는 단조 함수 m을 찾는 과정으로, PAVA(Pool-Adjacent-Violators Algorithm)를 통해 효율적으로 최적화된다.

구현 시에는 훈련 세트에서 250개의 동일 질량 빈(equal-mass bins)을 설정하여 히스토그램 비닝을 수행함으로써 정규화 효과를 얻고 과적합을 방지한다. 이 과정을 통해 모델은 추가적인 파라미터 학습 없이도 전문가들의 집단적 판단 기준에 부합하는 확률 분포를 생성하게 된다.

MICCAI 2025 CURVAS-PDACVI 벤치마크 평가 결과, TwinTrack은 교정되지 않은 모델 및 기존 교정 방식들보다 우수한 성능을 기록했다. 다중 판독 Dice 점수(TDSC)는 0.569로 향상되었으며, 기대 교정 오차(ECE)는 0.0147로 감소하여 예측 확률의 신뢰도가 높아졌다.

특히 혈관 침범(Vascular Invasion) 예측 실험에서 5개 주요 혈관 중 4개(PORTA, SMV, AORTA, CELIAC)에 대해 가장 낮은 Wasserstein 거리를 기록하며 임상적 유용성을 증명했다. 이는 단순히 영역을 잘 맞추는 것을 넘어, 경계 부위의 불확실성을 정확히 측정하는 것이 실제 진단 보조에 중요함을 시사한다.

TwinTrack은 앙상블 모델의 출력을 MHR에 정렬하는 것이 수학적으로 다중 판독자 Isotonic Regression 목적 함수를 최소화하는 것과 동일함을 증명했다. 부록 A에 따르면, 여러 판독자의 개별 레이블에 대해 각각 교정하는 문제의 최소제곱합은 MHR에 대해 교정하는 문제로 단순화될 수 있다.

아키텍처 측면에서는 nnU-Net 프레임워크를 기반으로 하며, 앙상블을 통해 모델 불확실성(Epistemic Uncertainty)을 포착하고 사후 교정을 통해 데이터의 본질적 모호성(Aleatoric Uncertainty)을 전문가 합의 수준으로 변환한다. 실험에서는 5명의 전문가 주석이 포함된 40개의 CT 스캔을 교정용 데이터로 사용했으며, 별도의 모델 재학습 없이 매핑 함수만 학습시키는 경량 구조를 채택했다.

본 연구의 ECE 감소 수치는 배경 복셀이 압도적으로 많은 데이터 특성상 수치적으로는 작게 나타날 수 있다. 또한, 사후 교정 성능은 교정에 사용되는 다중 판독 데이터셋의 품질과 크기에 의존적이라는 한계가 있다.