고주파 절제술(radiofrequency ablation, RFA)은 고형 종양을 절제하기 위해 널리 사용되는 최소침습적 시술이다. 정밀한 맞춤 치료를 달성하기 위해서는 RFA에 의해 유발되는 병소 내(in situ) 열 효과에 관한 피드백 정보가 필요하다. 컴퓨터 시뮬레이션은 RFA와 연관된 전기적 및 열적 현상을 예측하는 데 도움을 주지만, 임상 환경에서의 실제 적용은 높은 계산 요구량으로 인해 제한된다. 본 논문에서는 RFA 치료 중 열 효과를 실시간으로 예측할 수 있도록 물리 기반 고주파 절제 신경망(physics-guided radiofrequency ablation neural network, PhysRFANet)을 제안한다. 온도 분포와 이에 상응하는 절제 병변을 예측하도록 설계된 3개의 네트워크(인코더–디코더 기반 합성곱 신경망(EDCNN), U-Net, attention U-Net)를 전기정역학, 생체열전달, 세포 괴사(cell necrosis)를 통합한 생체물리학적 계산 모델과 유방암 환자의 자기공명영상(MR) 이미지를 사용하여 학습하였다. 계산 모델은 소(ex vivo) 소의 간 조직을 이용한 실험을 통해 검증하였다. 예측된 병변 용적에 대한 Dice 점수는 96.3%였고, 예측된 종양 영상으로 시험한 온도 분포에 대한 제곱근 평균 오차(root mean squared error, RMSE)는 0.5624였다. 특히 예측에 포함되지 않은(unforeseen) 영상에서도, 절제 병변에 대한 Dice 점수는 93.8%였으며 온도 분포에 대한 RMSE는 0.7078이었다. 모든 네트워크는 10 ms 이내에 추론 결과를 도출할 수 있었다. 제안된 기법은 특정 목표 영역에 대한 전극의 위치를 최적화하기 위해 적용되며, RFA의 안전성과 효능을 향상할 가능성이 크다. • RFA 중 열 효과의 실시간 예측. • 소 간 조직을 이용한 실험적 검증. • 다물리장(multiphasics) 시뮬레이션의 통합.