본 논문은 유방암 조기 진단 및 치료 반응 모니터링의 중요성을 강조하며, I-SPY1, I-SPY2, Duke 코호트의 2,070명 유방암 환자의 3D 동적 조영증강 MRI(DCE-MRI) 스캔으로 구성된 심층 학습에 적합한 정제된 데이터셋 BreastDCEDL을 제시합니다. 이 데이터셋은 표준화된 3D NIfTI 볼륨으로 변환된 원시 DICOM 영상 데이터, 통일된 종양 주석, 병리학적 완전 반응(pCR), 호르몬 수용체(HR), HER2 상태 등의 조화된 임상 메타데이터를 포함합니다. 기존의 접근성이 낮은 다기관 데이터셋의 한계를 극복하고, 특히 대규모 데이터를 필요로 하는 최신 Transformer 기반 모델 개발을 가능하게 합니다. 본 논문에서는 세 가지 조영제 단계(조영제 투여 전, 조영제 투여 후 조기, 조영제 투여 후 후기)의 RGB 융합 이미지를 활용하여 Vision Transformer(ViT) 아키텍처 기반의 유방 DCE-MRI Transformer 모델을 개발하여 HR+/HER2- 환자의 pCR 예측 성능(AUC 0.94, 정확도 0.93)에서 최첨단 결과를 달성하였으며, 재현 가능한 연구를 위한 사전 정의된 벤치마크 분할을 제공합니다.
