MRI를 이용한 뇌종양 진단을 위한 가상 생검

Virtual Biopsy for Intracranial Tumors Diagnosis on MRI

뇌의 중요한 기능을 담당하는 영역에 위치한 깊은 뇌종양은 진단에 큰 어려움을 야기한다. 임상에서는 일반적으로 치료 전에 조직 검사를 통해 병리학적 확진을 얻기 위해 두개저 생검이 사용된다. 그러나 생검은 출혈 및 신경학적 결손의 위험을 내포하며, 종양의 공간적 이질성으로 인해 표본 추출 편향 문제가 발생할 수 있다. 왜냐하면 병리학적 변화는 일반적으로 전반적인 종양보다는 특정 영역에 국한되는 경향이 있기 때문이다. 따라서, 뇌종양의 전체적인 평가와 현대적인 임상 의사 결정을 위해서는 비침습적인 MRI 기반의 병리학 예측 기술을 발전시키는 것이 필수적이다. 주요 어려움은 데이터 부족에 있다. 낮은 종양 발생률은 장기간의 데이터 수집 기간을 필요로 하며, 뇌신경외과 전문가로부터 조직 검사로 확인된 병리학적 정보를 기반으로 한 어노테이션 작업이 필요하다. 또한, 세분화 마스크가 없는 작은 병변의 경우, 중요한 특징들이 배경 잡음에 압도될 수 있다. 이러한 문제점을 해결하기 위해, 우리는 249건의 사례를 포함하는 네 가지 범주로 구성된 최초의 공개 데이터셋인 ICT-MRI 데이터셋을 구축하였다. 우리는 다음과 같은 가상 생검 프레임워크를 제안한다: MRI-Processor는 표준화를 위한 모듈, Tumor-Localizer는 시각-언어 모델을 사용하여 약한 감독(weak supervision)을 통해 거칠고 세밀한 위치 추적을 수행하는 모듈, 그리고 Adaptive-Diagnoser는 마스킹 채널 어텐션(Masked Channel Attention) 메커니즘을 사용하여 지역적인 특징과 전역적인 맥락을 융합하여 진단을 수행하는 모듈이다. 실험 결과, 90% 이상의 정확도를 달성하여 기존 방법보다 20% 이상 우수한 성능을 보였다.

Deep intracranial tumors situated in eloquent brain regions controlling vital functions present critical diagnostic challenges. Clinical practice has shifted toward stereotactic biopsy for pathological confirmation before treatment. Yet biopsy carries inherent risks of hemorrhage and neurological deficits and struggles with sampling bias due to tumor spatial heterogeneity, because pathological changes are typically region-selective rather than tumor-wide. Therefore, advancing non-invasive MRI-based pathology prediction is essential for holistic tumor assessment and modern clinical decision-making. The primary challenge lies in data scarcity: low tumor incidence requires long collection cycles, and annotation demands biopsy-verified pathology from neurosurgical experts. Additionally, tiny lesion volumes lacking segmentation masks cause critical features to be overwhelmed by background noise. To address these challenges, we construct the ICT-MRI dataset - the first public biopsy-verified benchmark with 249 cases across four categories. We propose a Virtual Biopsy framework comprising: MRI-Processor for standardization; Tumor-Localizer employing vision-language models for coarse-to-fine localization via weak supervision; and Adaptive-Diagnoser with a Masked Channel Attention mechanism fusing local discriminative features with global contexts. Experiments demonstrate over 90% accuracy, outperforming baselines by more than 20%.