A number of studies have predicted side effects after radiotherapy based on statistical analysis. In this work, Vertebral Compression Fracture (VCF) was predicted using a deep learning (DL) network after Stereotactic Body Radiation Therapy (SBRT). Comparisons with various machine learning techniques have verified that deep learning is an appropriate approach. Using LIME and Grad-CAM, the study analyzes how reasonable the prediction process of the DL network is. As a result, the prediction of multi-modal networks utilizing both CT and planned dose maps of patients turned out to be the most reliable. This confirms that it is reasonable to use DL for prediction, and it is expected that VCF can be predicted in the early step and better treatment plans could be implemented.
방사선 치료의 확산과 함께 그 부작용을 통계학적으로 분석하는 방법들이 소개되었다. 본 연구에서는 척추뼈 전이성 종양 환자에 체부정위적방사선수술 후 일어날 수 있는 부작용인 척추뼈 압박성골절을 멀티모달 인공 신경망 기법으로 예측한다. 예측을 위해 환자의 임상인자, 3차원 CT영상 인자, 방사선 치료 인자가 모두 활용되었으며, 고전적인 기계학습 방법에 비해 높은 정확도를 보였다. LIME과 Grad-CAM을 활용해 멀티모달 신경망의 예측값을 해석하였고, 그 결과 척추뼈 압박성골절 예측을 위한 주요인자를 확인할 수 있었다. 본 연구를 통해 체부정위적방사선수술 전 척추압박성골절 확률을 미리 예측하고 안정적인 치료계획 수립이 가능해질 것으로 기대된다.