방사선수술은 뇌종양 치료에서 중요한 치료법이며, 종양 조절을 극대화하고 부작용을 최소화하기 위해 최적의 치료계획이 요구된다. 목표체적포함비율(Target Coverage Ratio, TCR)과 선택성 지수(Selectivity Index, Sel)의 곱인 패딕 적합성 지수(Paddick Conformity Index, PCI)는 널리 사용되는 평가 지표이다. 그러나 30건의 뇌종양 사례(전이성 10건, 수막종 10건, 전정신경초종 10건)에 대한 분석 결과 PCI의 불충분함이 드러났다. 각 종양에 대해 PCI를 이용하여 감마나이프 수술 계획 20–30개 중에서 선택한 경우, 평균 TCR은 0.978±0.011, 평균 Sel은 0.938±0.022였다. 정립적인 종양 치료를 위해서는 TCR 1.00이 바람직하다는 점을 고려하면, PCI는 치료계획 선택의 표준으로는 부적절함이 확인되었다. 이를 해결하기 위해, (1−TCR) × (1−Sel)로 정의되는 무처치 누출 지수(Untreated-Leakage Index, ULI)를 도입하여, 미처치 및 누출 용적을 최소화하는 것을 목표로 했다. PCI와 달리 ULI는 TCR 또는 Sel이 1에 가까워질수록 더 높은 민감도를 제공한다. 하지만 종양 조절확률의 실질적 차이가 거의 없음을 시사하는 매우 근접한 TCR=1에 해당하더라도, ULI는 TCR을 크게 우선시하여 중요한 Sel의 차이를 간과할 가능성이 있다. 따라서 교정 적합성 지수(Rectified Conformity Index, RCI)가 개발되었다. RCI는 직선형 수정단위(Rectified Linear Unit, ReLU) 함수를 사용하여 TCR과 Sel을 변형한다: mTCR=ReLU(TCR)와 mSel=ReLU(Sel), 여기서 값 x≥x_cut은 x_cut으로 설정한다. RCI는 (1−mTCR) × (1−mSel)로 계산된다. TCR_cut을 0.996으로 설정하고 Sel 제한을 두지 않았을 때, RCI는 30개 종양에 대해 계획을 선택하였으며 평균 TCR은 0.996±0.001, 평균 Sel은 0.889±0.038로 임상적으로 적절함을 입증했다. 결정적으로, RCI는 감마나이프 치료 시간(선량률 3 Gy/min)을 평균 62.9±25.1분으로 줄였으며, 이는 PCI로 94.6±41.1분이었던 것과 비교된다. 이러한 새로운 지표들, 특히 RCI는 자동화된 계획 수립 시스템을 포함하여 방사선수술 치료계획을 최적화할 수 있는 잠재력을 보여준다.

본 연구는 단순 X-ray 두부 영상만을 기반으로 한 합성곱 신경망(CNN)으로 삼차신경통을 진단할 수 있는지를 확인하고자 하였다. 삼차신경통 환자(16세 초과)로부터 수집한 166장의 두부 영상에 라벨을 부여한 데이터셋을 구축하였으며, 함께 파열되지 않은 두개내 동맥류 환자의 영상 498장을 대조 데이터셋으로 구성하였다. 영상은 학습, 검증, 테스트 데이터셋으로 무작위 분할하였고, 6:2:2의 비율을 사용하였다. 분류기 성능은 정확도 및 수신자 조작 특성(receiver operating characteristic, ROC) 곡선 아래 면적(AUROC)으로 평가하였다. 관심 영역을 식별하기 위해 그래디언트 가중치 클래스 활성화 매핑(Gradient-weighted Class Activation Mapping, Grad-CAM)을 적용하였다. 외부 검증은 다른 기관에서 획득한 데이터셋을 사용하여 수행하였다. CNN은 테스트 데이터셋에서 전체 정확도 87.2%를 보였고, 민감도와 특이도는 각각 0.72 및 0.91이었으며, AUROC는 0.90이었다. 대부분의 경우, 삼차신경통을 예측하는 핵심 영역으로 접형동(sphenoid body)과 경사면(clivus)이 확인되었다. 외부 데이터셋에서의 검증 결과 정확도는 71.0%로 나타나, 심층학습 기반 모델이 삼차신경통 환자의 X-ray 두부 영상과 대조군 영상의 구분에 활용될 가능성을 시사하였다. 우리의 예비 결과는 단순 X-ray가 TN의 임상 진단을 보조하기 위해, 특히 CISS 시퀀스를 이상적으로 병행하여 기존의 MRI에 대한 부가적 수단으로 잠재적으로 사용될 수 있음을 시사한다. 추가적인 정교화를 통해 이러한 접근법이 유용한 선별(screening) 도구로 자리매김할 수 있을 것이다.

배경: )는 소형 필드의 기준선량 측정을 위한 국제원자력기구(IAEA) 기술보고서 시리즈 483(TRS-483)에서 도입되었다. 렉셀 감마나이프(Leksell Gamma Knife, GK) Perfexion 또는 Icon에 대해서는 여러 보정 인자 세트가 존재한다. 그럼에도 불구하고 서로 다른 연구에서 제시된 보정 인자들이 실험적으로 엄밀하게 검증된 바는 없다. 목적: 감마나이프의 기준선량 측정에서 물에 대한 흡수선량률을 결정하는 데 사용되는 값들을 통계적으로 비교하였다. 방법: were statistically compared. 결과: 세 개의 전리함이 측정한 선량률의 표준편차는 어떤 보정 방법을 적용하더라도 유의하게 감소하였다(p = 0.000). 모든 연구의 보정 인자를 평균 내었을 때의 표준편차 감소는, 단일 보정 방법을 적용했을 때보다 유의하게 더 컸으며(p ≤ 0.030), IAEA TRS-483 보정 인자의 경우는 제외되었다(p = 0.148). 어떤 보정을 적용하기 전에는 세 개 전리함이 측정한 상대선량률 사이에 통계적으로 유의한 차이가 있었다(p = 0.000). 단일 보정 방법 중 어느 것도 전리함들 간의 차이를 제거하지 못하였다(p ≤ 0.038). TRS-483 보정 후 Exradin A16의 선량률은 다른 두 전리함의 선량률과 유의하게 달랐다(p ≤ 0.025). 평균 인자를 적용한 후에는 Scheffe의 사후분석에 따르면 어떤 전리함 쌍 사이에도 통계적으로 유의한 차이가 없었으나(p ≥ 0.051), Tukey의 HSD 분석에서는 PTW T31010이 PTW 31016과 달랐다(p = 0.040). 결론: 세 개 전리함이 측정한 선량률의 변동성이 유의하게 감소하였다. 여섯 개 시뮬레이션의 평균 보정 인자는 가장 일관된 결과를 보였으나, 이러한 발견은 통계 분석에서 명시적으로 입증되지 않았다.

목적 본 연구는 두개골 기저부가 아닌 양성 뇌수막종에서 감마나이프 방사선수술(Gamma Knife radiosurgery, GKRS)의 성공 여부에 대한 기계학습(ML) 앙상블 모델의 예측 가능성을 평가하고자 하였다. 방법 1997년부터 2015년까지 GKRS로 주로 치료된 두개골 기저부가 아닌 양성 뇌수막종 331예를 후향적으로 분석하였다. 종양이 마지막 영상 추적에서 초기 종양 용적의 125%를 넘지 않았고, 종양 주변의 고신호강도(high signal intensity) 영역에 유의한 변화가 없을 때 이를 ‘치료 성공(treatment success, TS)’으로 분류하였다. 단변량 상관 분석 및 다변량 로지스틱 회귀분석을 수행하여 통계적으로 유의한 예후 인자를 확인하였다. GKRS의 결과를 예측하기 위해 4가지 앙상블 알고리즘을 학습하였다. TS와 관련된 특성(feature)의 중요도를 분석하였다. 결과 중앙값 MR 영상 추적 기간은 8.6년이었다. 종양 조절(tumor control) 및 신호 변화율은 각각 91.5%와 16.3%였으며, TS 비율은 77.6%였다. 기존의 다변량 로지스틱 회귀 모델은 정확도 83.7%, 특이도 37.8%를 보였다. ML 모델들은 정확도 78.0%~82.2%, 특이도 30.3%~80.7%의 범위를 보였고, 기존 로지스틱 회귀분석과 유사하였다. GKRS 동안 14 Gy를 초과하여 흡수한 더 작은 뇌 용적은 모든 모델에서 TS의 유리한 예후 인자였으며, GKRS 이전에 신호 변화가 없는 점 또한 모든 모델에서 TS에 대해 유리한 예후 인자로 나타났다. 선택된 특성을 사용한 bagging 알고리즘은 특이도 80.7%로 가장 우수하였고, AUC는 0.723으로 가장 유의하였다. 결론 선택된 특성을 적용한 bagging 앙상블 알고리즘은 비두개골 기저부 뇌수막종에서 GKRS 예후를 예측할 때, 기존 다변량 로지스틱 회귀분석과 유사한 정확도를 유지하면서 특이도가 더 우수하였다.

목적: 섬광체(detector) 기반 검출기는 감마 나이프(Gamma Knife, GK) 선량 분포를 바탕으로 3차원 인쇄하여 부피 평균화 효과(volume averaging effect)를 계산하고자 하였다. 콜리메이터 출력 인자(collimator output factors)는 등선량(isodose) 형상을 갖는 섬광체(isodose-shaped scintillators, ISSs)로 측정하였고, 마이크로 다이아몬드 검출기 및 기존 보고 결과와 비교하였다. 방법: 반경 8 cm의 구형 선량계측 팬텀에서 GK 치료계획 소프트웨어( Leksell GammaPlan [LGP], Elekta AB, Stockholm, Sweden )로 흡수선량 분포를 획득하였다. 97.2%(ISS-1) 및 95.6%(ISS-2) 등선량 표면에 맞도록 두 종류의 ISS를 제작하였다. 부피 평균화 보정 인자(correction factors)는 ISS의 선량을 분모로 하여 중앙 복셀(central voxel, CV)에 흡수된 물 선량을 나누어 산출하였다. ISS와 물 사이의 차이에 따른 보정 효과는 몬테카를로 시뮬레이션으로 계산하였다. GK Icon의 4 및 8 mm 콜리메이터의 출력 인자를 평가하기 위해 각 종류별 5개씩 총 10개의 ISS 검출기를 사용하였다. 또한 PTW T60019(PTW, Freiburg, Germany) 마이크로 다이아몬드 검출기와 함께, 두 종류의 ISS 검출기를 사용하여 7개의 GK에 대한 출력 인자를 측정하였다. 결과: 각 유형의 다섯 개 ISS로 측정한 검출기 출력 비율(detector output ratios, DORs)은 표준 불확실도가 0.2% 미만으로 일관성이 있었다. 4-mm 필드에서 부피 평균화 보정 인자 비율은 1.018 및 1.026이었고, 모든 보정 후의 출력 인자는 각각 ISS-1과 ISS-2에서 0.827(0.006) 및 0.825(0.006)였다. 8-mm 필드에서는 두 ISS 유형 모두 부피 평균화 보정 인자 비율이 1.000이었으며, 출력 인자는 각각 ISS-1과 ISS-2에서 0.898(0.003) 및 0.900(0.003)이었다. ISS 검출기는 PTW 60019 검출기와 유사한 수준의 불확실성으로 GK의 출력 인자를 측정할 수 있었다. 모든 검출기의 출력 인자는 선량률에 따라 감소하였다. 결론: 자체 개발한 ISS의 부피 평균화 효과는 알려진 선량 분포를 이용하여 계산할 수 있었다. ISS 검출기로 측정한 GK Perfexion/Icon 모델의 콜리메이터 출력 인자는 상용 합성 마이크로 다이아몬드 검출기 및 최근 연구 결과와 일관성이 있었다.

정위방사선수술(radiosurgery)은 고정밀·고용량의 치료 양식으로서 방사선 치료 분야를 혁신해 왔다. 정위방사선수술의 물리학적 원리는 그 설계와 시운전에 필수적으로 반영된다. 이 기술은 3차원 영상, 고정(immobilization), 설정(setup), 환자 자세(patient positioning)를 기반으로 하여 밀리미터 이하(sub-millimeter) 범위 내의 정확도를 유지한다. 그러나 생물학적 효과를 유발하는 물리적 과정들을 이해하는 것이 특히 중요하다. 현재 정위방사선수술( SRS, stereotactic radiosurgery )은 표적에 고용량의 방사선을 정밀하고 정확하게 전달하여, 생존 가능한 종양을 효과적으로 절제(ablating)하면서도 주변 정상조직에 대한 선량을 최소화하고 손상을 예방할 수 있다는 점에서 뇌종양 치료에서 주요한 역할을 하고 있다. 이러한 새로운 양식의 기저가 되는 생물학적 기전은 아직 완전히 규명되지 않았다. 현재의 증거는 분할 1회당 약 10 Gy 이상의 선량으로 시행하는 SRS가 종양에서 혈관 손상을 유발하며, 그 결과로 이차적 및 추가적인 종양세포 사멸이 발생함을 시사한다. 이어지는 종양세포의 악화는 종양 특이적 항원(tumor-specific antigens)을 대량으로 방출하여 항종양 면역 반응을 증강시키고, 종양의 재발 및 전이를 억제한다. 따라서 정위방사선수술의 방사선생물학(radiobiology)은 물리적 정밀성과 생물학적 반응의 복합적인 상호작용으로 이루어져, 암과의 싸움에서 강력한 도구가 된다.

배경: 새로 진단된 뇌 뇌전이 대병소(> 10 cm³)에 대한 일차 치료로서 분할 감마나이프 방사선수술(fractionated Gamma Knife radiosurgery, fGKS)의 효과를 평가하고자 하였다. 방법: 새로 진단된 대형 뇌전이 병소를 가진 93명의 환자(99개 병소)에서 fGKS를 시행하였으며, 본 후향적 연구에 포함하였다. 종양 및 부종의 용적은 종단 분석을 위해 추적 자기공명영상으로 측정하였다. 뇌 내 국소 또는 원격 무진행생존기간(PFS)률과 전체생존기간(OS)률을 분석하였다. 국소 진행에 대한 예후 인자를 평가하기 위해 Cox 회귀분석을 사용하였다. 방사선 독성은 RTOG CNS 독성 등급을 기준으로 평가하였다. 결과: 중앙값 국소 PFS는 15.5개월, 원격 PFS는 13.2개월, 전체 PFS는 8.2개월, OS는 15.2개월이었다. fGKS 후 6–9개월 동안 종양 용적과 부종 용적은 각각 78%와 82%로 유의하게 감소하였다. 종양 용적은 80.8%(n=80) 병소에서 ≥50% 감소하였고, 최대 감소까지의 중앙값 시간은 3.3개월이었다. 방사선 괴사는 5.4%(n=5)명의 환자에서 발생하였다. fGKS 후 6개월 이내에 45명은 신경학적 호전을 보였고, 36명은 안정적이었으며, 12명은 신경학적 악화를 경험하였다. 전신치료는 국소 PFS의 유의한 예후 인자였다. 결론: fGKS는 대형 뇌전이의 일차 치료로서 효과적이고 안전한 치료로 권고될 수 있다.

방사선수술은 뇌종양 치료에서 중요한 치료법이며, 종양 조절을 극대화하고 부작용을 최소화하기 위해 최적의 치료계획이 요구된다. 목표체적포함비율(Target Coverage Ratio, TCR)과 선택성 지수(Selectivity Index, Sel)의 곱인 패딕 적합성 지수(Paddick Conformity Index, PCI)는 널리 사용되는 평가 지표이다. 그러나 30건의 뇌종양 사례(전이성 10건, 수막종 10건, 전정신경초종 10건)에 대한 분석 결과 PCI의 불충분함이 드러났다. 각 종양에 대해 PCI를 이용하여 감마나이프 수술 계획 20–30개 중에서 선택한 경우, 평균 TCR은 0.978±0.011, 평균 Sel은 0.938±0.022였다. 정립적인 종양 치료를 위해서는 TCR 1.00이 바람직하다는 점을 고려하면, PCI는 치료계획 선택의 표준으로는 부적절함이 확인되었다. 이를 해결하기 위해, (1−TCR) × (1−Sel)로 정의되는 무처치 누출 지수(Untreated-Leakage Index, ULI)를 도입하여, 미처치 및 누출 용적을 최소화하는 것을 목표로 했다. PCI와 달리 ULI는 TCR 또는 Sel이 1에 가까워질수록 더 높은 민감도를 제공한다. 하지만 종양 조절확률의 실질적 차이가 거의 없음을 시사하는 매우 근접한 TCR=1에 해당하더라도, ULI는 TCR을 크게 우선시하여 중요한 Sel의 차이를 간과할 가능성이 있다. 따라서 교정 적합성 지수(Rectified Conformity Index, RCI)가 개발되었다. RCI는 직선형 수정단위(Rectified Linear Unit, ReLU) 함수를 사용하여 TCR과 Sel을 변형한다: mTCR=ReLU(TCR)와 mSel=ReLU(Sel), 여기서 값 x≥x_cut은 x_cut으로 설정한다. RCI는 (1−mTCR) × (1−mSel)로 계산된다. TCR_cut을 0.996으로 설정하고 Sel 제한을 두지 않았을 때, RCI는 30개 종양에 대해 계획을 선택하였으며 평균 TCR은 0.996±0.001, 평균 Sel은 0.889±0.038로 임상적으로 적절함을 입증했다. 결정적으로, RCI는 감마나이프 치료 시간(선량률 3 Gy/min)을 평균 62.9±25.1분으로 줄였으며, 이는 PCI로 94.6±41.1분이었던 것과 비교된다. 이러한 새로운 지표들, 특히 RCI는 자동화된 계획 수립 시스템을 포함하여 방사선수술 치료계획을 최적화할 수 있는 잠재력을 보여준다.

본 연구는 단순 X-ray 두부 영상만을 기반으로 한 합성곱 신경망(CNN)으로 삼차신경통을 진단할 수 있는지를 확인하고자 하였다. 삼차신경통 환자(16세 초과)로부터 수집한 166장의 두부 영상에 라벨을 부여한 데이터셋을 구축하였으며, 함께 파열되지 않은 두개내 동맥류 환자의 영상 498장을 대조 데이터셋으로 구성하였다. 영상은 학습, 검증, 테스트 데이터셋으로 무작위 분할하였고, 6:2:2의 비율을 사용하였다. 분류기 성능은 정확도 및 수신자 조작 특성(receiver operating characteristic, ROC) 곡선 아래 면적(AUROC)으로 평가하였다. 관심 영역을 식별하기 위해 그래디언트 가중치 클래스 활성화 매핑(Gradient-weighted Class Activation Mapping, Grad-CAM)을 적용하였다. 외부 검증은 다른 기관에서 획득한 데이터셋을 사용하여 수행하였다. CNN은 테스트 데이터셋에서 전체 정확도 87.2%를 보였고, 민감도와 특이도는 각각 0.72 및 0.91이었으며, AUROC는 0.90이었다. 대부분의 경우, 삼차신경통을 예측하는 핵심 영역으로 접형동(sphenoid body)과 경사면(clivus)이 확인되었다. 외부 데이터셋에서의 검증 결과 정확도는 71.0%로 나타나, 심층학습 기반 모델이 삼차신경통 환자의 X-ray 두부 영상과 대조군 영상의 구분에 활용될 가능성을 시사하였다. 우리의 예비 결과는 단순 X-ray가 TN의 임상 진단을 보조하기 위해, 특히 CISS 시퀀스를 이상적으로 병행하여 기존의 MRI에 대한 부가적 수단으로 잠재적으로 사용될 수 있음을 시사한다. 추가적인 정교화를 통해 이러한 접근법이 유용한 선별(screening) 도구로 자리매김할 수 있을 것이다.

배경: )는 소형 필드의 기준선량 측정을 위한 국제원자력기구(IAEA) 기술보고서 시리즈 483(TRS-483)에서 도입되었다. 렉셀 감마나이프(Leksell Gamma Knife, GK) Perfexion 또는 Icon에 대해서는 여러 보정 인자 세트가 존재한다. 그럼에도 불구하고 서로 다른 연구에서 제시된 보정 인자들이 실험적으로 엄밀하게 검증된 바는 없다. 목적: 감마나이프의 기준선량 측정에서 물에 대한 흡수선량률을 결정하는 데 사용되는 값들을 통계적으로 비교하였다. 방법: were statistically compared. 결과: 세 개의 전리함이 측정한 선량률의 표준편차는 어떤 보정 방법을 적용하더라도 유의하게 감소하였다(p = 0.000). 모든 연구의 보정 인자를 평균 내었을 때의 표준편차 감소는, 단일 보정 방법을 적용했을 때보다 유의하게 더 컸으며(p ≤ 0.030), IAEA TRS-483 보정 인자의 경우는 제외되었다(p = 0.148). 어떤 보정을 적용하기 전에는 세 개 전리함이 측정한 상대선량률 사이에 통계적으로 유의한 차이가 있었다(p = 0.000). 단일 보정 방법 중 어느 것도 전리함들 간의 차이를 제거하지 못하였다(p ≤ 0.038). TRS-483 보정 후 Exradin A16의 선량률은 다른 두 전리함의 선량률과 유의하게 달랐다(p ≤ 0.025). 평균 인자를 적용한 후에는 Scheffe의 사후분석에 따르면 어떤 전리함 쌍 사이에도 통계적으로 유의한 차이가 없었으나(p ≥ 0.051), Tukey의 HSD 분석에서는 PTW T31010이 PTW 31016과 달랐다(p = 0.040). 결론: 세 개 전리함이 측정한 선량률의 변동성이 유의하게 감소하였다. 여섯 개 시뮬레이션의 평균 보정 인자는 가장 일관된 결과를 보였으나, 이러한 발견은 통계 분석에서 명시적으로 입증되지 않았다.

목적 본 연구는 두개골 기저부가 아닌 양성 뇌수막종에서 감마나이프 방사선수술(Gamma Knife radiosurgery, GKRS)의 성공 여부에 대한 기계학습(ML) 앙상블 모델의 예측 가능성을 평가하고자 하였다. 방법 1997년부터 2015년까지 GKRS로 주로 치료된 두개골 기저부가 아닌 양성 뇌수막종 331예를 후향적으로 분석하였다. 종양이 마지막 영상 추적에서 초기 종양 용적의 125%를 넘지 않았고, 종양 주변의 고신호강도(high signal intensity) 영역에 유의한 변화가 없을 때 이를 ‘치료 성공(treatment success, TS)’으로 분류하였다. 단변량 상관 분석 및 다변량 로지스틱 회귀분석을 수행하여 통계적으로 유의한 예후 인자를 확인하였다. GKRS의 결과를 예측하기 위해 4가지 앙상블 알고리즘을 학습하였다. TS와 관련된 특성(feature)의 중요도를 분석하였다. 결과 중앙값 MR 영상 추적 기간은 8.6년이었다. 종양 조절(tumor control) 및 신호 변화율은 각각 91.5%와 16.3%였으며, TS 비율은 77.6%였다. 기존의 다변량 로지스틱 회귀 모델은 정확도 83.7%, 특이도 37.8%를 보였다. ML 모델들은 정확도 78.0%~82.2%, 특이도 30.3%~80.7%의 범위를 보였고, 기존 로지스틱 회귀분석과 유사하였다. GKRS 동안 14 Gy를 초과하여 흡수한 더 작은 뇌 용적은 모든 모델에서 TS의 유리한 예후 인자였으며, GKRS 이전에 신호 변화가 없는 점 또한 모든 모델에서 TS에 대해 유리한 예후 인자로 나타났다. 선택된 특성을 사용한 bagging 알고리즘은 특이도 80.7%로 가장 우수하였고, AUC는 0.723으로 가장 유의하였다. 결론 선택된 특성을 적용한 bagging 앙상블 알고리즘은 비두개골 기저부 뇌수막종에서 GKRS 예후를 예측할 때, 기존 다변량 로지스틱 회귀분석과 유사한 정확도를 유지하면서 특이도가 더 우수하였다.