Future DaTScan Synthesis for Parkinson's Progression with Conditional Wavelet Diffusion

개요

파킨슨병(Parkinson’s disease, PD) 환자의 도파민 신경 퇴행 진행을 예측하기 위한 딥러닝 프레임워크입니다. 초기(screening) DaTScan SPECT 영상 한 장을 조건으로 2년 후(V04) 시점의 DaTScan 영상을 합성해, 반복 촬영 없이 개인 수준의 진행 양상을 시각적으로 예측합니다.

기존 연구는 미래 UPDRS 점수 등 수치 예측에 그쳤지만, 본 연구는 영상 자체를 생성해 도파민 손실의 공간적 분포를 정성적으로도 보여줍니다. 임상에서 의사가 영상을 직접 판독해 진단하는 현실을 고려하면 정량 + 정성 모두 의미가 있습니다.

배경

DaTScan은 파킨슨병 진단의 핵심 영상 바이오마커지만, 방사선 피폭, 추적자 주입 후 3–6시간 대기, 핵의학 장비 접근성, 운동 증상이 진행된 환자의 SPECT 자세 유지 어려움 등으로 종단적(longitudinal) 추적 촬영에 실질적 제약이 따릅니다. 초기 영상만으로 미래 시점의 도파민 분포 패턴을 예측할 수 있다면, 불필요한 반복 촬영 없이 개인화된 예후 예측과 조기 예방적 권고가 가능해집니다.

데이터

• 출처: Parkinson’s Progression Markers Initiative (PPMI)
• 구성: 스크리닝(SC) 시점과 2년 후(V04) 시점의 DaTScan SPECT 영상 쌍, 품질 관리 후 746쌍
• 전처리: 공간 정규화 + 강도 정규화
• 분할: train / validation / test = 7 : 1.5 : 1.5

방법론

조건부 웨이블릿 확산 모델 (cWDM). Friedrich et al. (2024)의 cWDM 프레임워크를 적용했습니다. 학습 기반 오토인코더와 달리 웨이블릿 변환은 정보 손실 없이 영상을 저주파(전체 구조)와 고주파(세밀한 디테일) 성분으로 분해하고, 역변환으로 완벽 복원합니다.

3D Haar Wavelet. 128³ 복셀 영상을 64³ × 8채널의 웨이블릿 계수로 분해해 모든 정보를 보존하면서 연산량을 크게 줄였습니다.

손실 함수. 표준 DDPM noise prediction loss:

조건 변수 c 는 baseline (SC 시점) DaTScan 영상입니다.

평가 지표

• 영상 품질: PSNR, SSIM, RMSE
• 임상적 유효성: Striatal Binding Ratio (SBR) — 미상핵(caudate), 피각(putamen), 피각/미상핵 비율(P/C ratio)
• 정성 평가: 임상용 color lookup table을 적용해 baseline · 실제 V04 · 합성 V04 비교

결과

테스트 세트(n = 112)에서 합성된 V04 영상의 정량 성능:

• PSNR: 21.99 ± 2.40 dB
• SSIM: 0.6452 ± 0.065

부위별 SBR은 실제 추적 영상과 강한 상관을 보였습니다:

• 전체 선조체(striatum): r = 0.676, p < 0.001
• 미상핵(caudate): r = 0.699, p < 0.001
• 피각(putamen): r = 0.660, p < 0.001
• 피각/미상핵 비율 (P/C ratio): r = 0.670, p < 0.001

임상용 color scale을 적용한 정성적 비교에서, 합성 영상은 선조체 영역의 전반적 섭취 위치를 반영하였으나 세부 구조의 선명도에는 한계가 있었습니다.

결론

단일 초기 DaTScan 영상으로부터 2년 후 영상을 합성하는 딥러닝 프레임워크를 제시했고, 피각/미상핵 비율을 포함한 부위별 진행 지표에서 실제 추적 영상과 유의한 상관관계를 확인했습니다. 향후 임상 변수와의 결합을 통해 개인화된 파킨슨병 진행 예측 모델로 확장될 수 있습니다.

성과

이채현, 이기림, 정봉기, 최수인, 박보용, “딥러닝 기반 파킨슨병 도파민 수송체 영상의 종단적 진행 예측: 조건부 웨이블릿 확산 모델을 활용한 미래 DaTScan 영상 합성”, 한국통계학회, 2026 (포스터, 1저자).