연구팀은 비소세포폐암(NSCLC) 조직학적 아형 감별을 위해 가상 PET 스캔의 가능성을 조사했습니다. 3D Pix2Pix GAN을 활용하여 CT 스캔에서 유사 PET 데이터를 합성하고, MINT 프레임워크에 통합했습니다. 다기관 데이터셋 714명을 대상으로 실험한 결과, 합성 대사적 특징을 포함하면 CT만 사용했을 때보다 분류 성능이 향상되었습니다.
합성 PET 데이터를 포함한 다중 모달 접근 방식은 AUC를 0.489에서 0.591로, GMean을 0.305에서 0.524로 통계적으로 유의미하게 증가시켰습니다. 이는 가상 PET 스캔이 실제 PET 스캔이 없을 때 임상 시나리오에서 유용한 특징 강화 전략이 될 수 있음을 시사합니다.
연구 결과는 합성 PET 스캔이 깊이 학습 모델이 상호 보완적인 모달 간 정보를 활용할 수 있도록 돕는 감별적 대사적 신호를 제공한다는 것을 보여줍니다.