PRISM-Net: 환자 맞춤형 참조 기반의 좌우 유방 대칭성 매칭을 통한 세 가지 분류 수준의 유방 조영 증강 MRI 분석

PRISM-Net: Patient-specific reference-guided inter-breast symmetry matching for three-class breast DCE-MRI classification

유방 조영 증강 MRI 인공지능은 기존의 병변 중심 진단 외에도 유방 전체 수준에서의 정상, 양성, 악성 병변 분류를 위해 점점 더 많이 활용되고 있습니다. 그러나 이러한 광범위한 진단 범주 내에서 환자별 배경 변동성은 모든 분류 작업에서 주요한 이미지 분석상의 어려움을 야기합니다. 기존 연구들은 주로 단일 측면 또는 병변 중심 분석에 초점을 맞추고 있으며, 양측면 방법은 공간적으로 적응적인 좌우 유방 간의 상관관계를 명시적으로 모델링하는 데 제한적입니다. 본 논문에서는 PRISM-Net을 제안합니다. PRISM-Net은 등록 과정이 필요 없는 양측면 프레임워크로서, 환자별 참조 값으로 사용될 수 있는 반대쪽 유방 특징을 활용하여 배경 정보를 고려한 표현 학습을 수행합니다. PRISM-Net은 양측면 특징 매칭과 비대칭성을 고려한 어텐션 메커니즘을 통합하여 좌우 유방 간의 적응적인 상관관계를 확립하고, 판별력이 뛰어난 비대칭 패턴에 대한 표현력을 향상시킵니다. ODELIA 데이터셋에서 PRISM-Net은 in-distribution 테스트 세트에서 Macro AUC 84.11 ± 2.33, Micro AUC 90.64 ± 1.61, quadratic weighted kappa 60.94 ± 5.64를 달성했으며, 별도의 기관 데이터셋에서는 각각 68.51 ± 4.54, 80.74 ± 2.68, 43.45 ± 7.10을 나타내어 평가된 기존 방법들을 능가하는 성능을 보였습니다. PRISM-Net은 독립적인 기관 데이터셋 및 배경 복잡성 평가에서도 우수한 성능을 입증했습니다. 분석 결과, 양측면 관계 모델링과 비대칭성을 고려한 재가중치가 분류 성능 향상에 기여하는 것으로 나타났습니다. 이러한 결과는 환자 맞춤형 양측면 참조 모델링이 DCE-MRI 해석에 있어 임상적으로 유용한 전략이며, 배경 복잡성을 명시적으로 모델링함으로써 비대칭 패턴의 판별력을 향상시키는 데 도움이 된다는 것을 시사합니다.

Breast DCE-MRI AI is increasingly being explored for breast-level classification of no-lesion, benign, and malignant findings, beyond conventional lesion-centered diagnosis. Within this broader diagnostic scope, however, patient-specific background variability remains a major source of imaging confounding across classification tasks. Existing approaches predominantly focus on unilateral or lesion-centric analysis, whereas bilateral methods offer limited explicit modeling of spatially adaptive cross-breast correspondence. We propose PRISM-Net, a registration-free bilateral framework that leverages contralateral breast features as patient-specific references for background-aware representation learning. PRISM-Net integrates bilateral feature matching and asymmetry-aware attention to establish adaptive inter-breast correspondence and enhance representations of discriminative asymmetric patterns. On ODELIA, Macro AUC, Micro AUC, and quadratic weighted kappa were $84.11 \pm 2.33$, $90.64 \pm 1.61$, and $60.94 \pm 5.64$ on the in-distribution test set, and $68.51 \pm 4.54$, $80.74 \pm 2.68$, and $43.45 \pm 7.10$ on the held-out institution, respectively, outperforming the evaluated baseline methods across the primary evaluation metrics. PRISM-Net further demonstrated performance on independent institutional and background-complexity evaluations. Ablation experiments revealed that both bilateral relation modeling and asymmetry-aware reweighting contributed to improved classification performance. These findings highlight patient-specific bilateral reference modeling as a clinically grounded strategy for DCE-MRI interpretation, improving asymmetric pattern discrimination through explicit modeling of background complexity.