본 논문은 어깨 관절 병변 중 Bankart 병변(전하방 관절순 파열) 진단을 위한 딥러닝 모델을 제시합니다. 기존 딥러닝 연구가 상대적으로 쉬운 질병 진단에 집중되어 왔던 점을 감안하여, 미세한 영상 특징으로 인해 진단이 어려운 Bankart 병변 진단에 초점을 맞추었습니다. 연구진은 최초의 공개 데이터셋인 ScopeMRI를 구축하여, 586개의 어깨 MRI 스캔(표준 MRI 335개, 관절조영술 MRI 251개)과 수술 소견을 기반으로 한 정답 레이블을 제공합니다. CNN과 Transformer를 결합한 딥러닝 모델을 개발하여, 관절조영술 MRI와 표준 MRI 모두에서 Bankart 병변을 검출하였으며, 사지탈, 축상, 관상면의 예측 결과를 앙상블하여 성능을 향상시켰습니다. 20%의 테스트 데이터셋에 대한 평가 결과, 표준 MRI와 관절조영술 MRI에서 각각 AUC 0.91 및 0.93, 민감도 83% 및 94%, 특이도 91% 및 86%를 달성하여 방사선 전문의 수준의 진단 성능을 보였습니다. 특히 비침습적인 표준 MRI에서의 성능이 관절조영술 MRI 해석 수준을 능가하거나 동등한 수준이었습니다. 외부 검증을 통해 다양한 영상 프로토콜에서의 일반화 가능성을 확인했습니다. ScopeMRI 데이터셋과 모듈형 코드베이스를 공개하여 근골격계 영상 의학 분야 연구를 가속화하고, 임상적으로 어려운 진단 과제를 위한 새로운 데이터셋 개발을 지원하고자 합니다.
