연구진은 MERLIN 데이터셋(15,175건)을 활용하여 CT-IDP라는 정량적 특징 추출 프레임워크를 개발했습니다. 이 프레임워크는 TotalSegmentator를 사용하여 900개 이상의 장기 및 구획 수준의 특징을 도출합니다. CT-IDP는 Duke-Abdomen(2,000건) 및 AMOS(1,107건) 데이터셋에서 성능을 검증받았습니다.
CT-IDP는 DINOv3 기반 비전 트랜스포머 모델과 비교했을 때 MERLIN 데이터셋에서 0.897 vs 0.880의 AUC를 기록하며 더 나은 성능을 보였습니다. Duke-Abdomen 데이터셋에서는 0.877 vs 0.857, AMOS 데이터셋에서는 0.780 vs 0.756의 AUC를 기록했습니다.
연구 결과는 CT 영상에서 얻은 정량적 특징이 복부 질환 분류에 있어 유용한 정보를 제공하며, 기존 모델의 성능을 향상시킬 수 있음을 시사합니다.