연구 배경
딥러닝 기반 SvdH 자동 채점 파이프라인
본 서비스는 오픈소스 AutoScoRA 연구(weiserjpaul/AutoScoRA)의 방법론을 웹 서비스 형태로 구현한 것입니다. 아래는 파이프라인 구성과 실제 임상 적용 시 고려사항입니다.
SvdH 점수란
Sharp/van der Heijde 점수는 류마티스 관절염의 방사선학적 손상을 관절강 협착(JSN)과 미란(Erosion)으로 나누어 정량화하는 표준 지표입니다. 손과 발의 지정된 관절을 개별 채점해 합산하며, 숙련된 판독자도 한 케이스에 상당한 시간이 소요되고 평가자 간 편차가 존재합니다.
1단계 · 관절 위치 검출
히트맵 회귀 기반 랜드마크 검출 네트워크(SpatialConfiguration-Net 계열)가 손·발 방사선 사진에서 채점 대상 관절의 좌표를 예측합니다. 전역 해부학적 배치와 국소 외형 정보를 함께 사용해 좌우 및 손가락 간 혼동을 줄입니다.
2단계 · ROI 추출
검출된 좌표를 중심으로 관절 축과 손 크기에 비례한 정사각 관심영역을 잘라내 정규화합니다. 이렇게 하면 촬영 배율과 자세 차이의 영향을 줄이고 채점 모델의 입력을 일관되게 유지할 수 있습니다.
3단계 · 관절별 채점
관절군(MCP, PIP, 손목, MTP 등)별로 학습된 VGG-19 기반 분류/회귀 모델이 각 ROI에서 JSN과 미란 점수를 산출합니다. 관절군별로 허용되는 최대 점수가 다르며, 모든 관절 점수를 합산해 총 SvdH 점수를 만듭니다.
데이터 및 가중치 접근
원 저장소는 학습 코드를 공개하지만 환자 방사선 데이터와 사전학습 가중치는 개인정보 보호 및 기관 정책상 포함되어 있지 않습니다. 실제 추론을 위해서는 연구팀과의 데이터 이용 계약(DTA)을 통해 가중치를 확보하고, GPU 추론 서버를 이 서비스에 연결해야 합니다.
추론 서버 연결 방법
AUTOSCORA_API_URL 환경변수에 추론 서버 주소를, 필요 시 AUTOSCORA_API_KEY에 인증 토큰을 등록하면 서비스가 데모 모드에서 실제 모델 추론 모드로 전환됩니다. 서버는 케이스 ID와 영상 URL 목록을 받아 관절별 JSN·미란 점수를 반환하면 됩니다.
임상 적용 전 필요한 절차
- · 국내 의료기기 소프트웨어 인허가 및 임상 검증
- · 개인정보보호법·의료법에 따른 영상 비식별화 및 보관 정책 수립
- · 판독 결과에 대한 의료진 최종 확인 절차 명문화
- · 기관별 촬영 프로토콜에 대한 모델 성능 재검증