ULS23 챌린지: CT 영상에서 3D 통합 병변 세그멘테이션을 위한 기준 모델 및 벤치마크 데이터셋

경추-복부-골반 CT 검사에서의 종양 병변 크기 측정은 암 환자의 치료 결과 평가에 있어 핵심적인 역할을 한다. 효율적인 병변 세그멘테이션은 이러한 영상의학적 워크플로우를 가속화할 수 있다. 현재까지 간, 신장, 폐와 같은 특정 장기 내 병변 세그멘테이션을 다루는 수많은 벤치마크 및 챌린지가 존재하지만, 임상 현장에서 실제로 접하는 병변 유형의 다양성은 더 보편적인 접근 방식의 필요성을 제기한다. 이러한 격차를 보완하기 위해, 우리는 경추-복부-골반 CT 검사에서의 3차원 통합 병변 세그멘테이션을 위한 ULS23 벤치마크를 제안한다. ULS23 학습 데이터셋은 이 영역 내 총 38,693개의 병변을 포함하고 있으며, 특히 도전적인 췌장, 대장 및 뼈 병변도 포함되어 있다. 평가를 위해, 284명의 환자로부터 수집한 총 775개의 병변으로 구성된 데이터셋을 구축하였다. 각 병변은 임상적 맥락에서 목표 병변으로 확인되었으며, 이로 인해 데이터셋은 높은 다양성과 임상적 관련성을 갖추고 있다. ULS23 벤치마크는 uls23.grand-challenge.org를 통해 공개되어 전 세계 연구자들이 자신의 세그멘테이션 기법의 성능을 평가할 수 있도록 한다. 또한, 우리는 반감독 학습 기반의 3차원 병변 세그멘테이션 기반 모델을 개발하여 공개하였다. 이 모델은 챌린지 테스트 세트에서 평균 Dice 계수 0.703 ± 0.240의 성능을 달성하였다. 향후 ULS 모델 개발을 위한 지속적인 참가를 초대한다.