당뇨망막병증 예측을 위한 임상 웹 시스템 DR-LabStack 설계 및 구현
DR-LabStack: Design and Implementation of a Clinician-Facing Web System for Diabetic Retinopathy Prediction
arXiv다양한 입력 형식과 구조를 가진 여러 DR 예측 모델들을 하나의 임상 웹 인터페이스에서 통합하여 사용할 수 있는 시스템을 구축했습니다.
- 공유된 입력 폼으로 특징 데이터를 수집하고, 백엔드 어댑터가 이질적인 모델 아티팩트를 로딩해 일관된 JSON 응답을 생성하는 것이 핵심 기술입니다.
- 개별적으로 운영되던 여러 DR 예측 모델들을 재사용 가능한 통합 서비스 워크플로우로 구현하여 시스템적 가치를 높였다는 점이 중요합니다.
- 본 시스템은 기술적 통합 및 기능 구현에 초점을 맞췄으며, 실제 임상에서의 효용성이나 의료진의 사용 편의성은 별도의 평가가 필요합니다.
사전 학습된 당뇨망막병증(DR) 예측 모델들은 입력 필드, 직렬화 형식, 전처리 요구 사항, 출력 의미론 등에서 차이를 보입니다. 따라서 이러한 다양한 모델들을 공통의 임상 인터페이스를 통해 사용하려면 사용자 인터페이스와 추론 서비스 간의 명시적인 조정이 필요합니다. 연구진은 이 문제를 해결하기 위해 DR-LabStack이라는 React-Flask 웹 시스템을 설계 및 구현했습니다. 이 시스템은 RuleFit, Pruned RuleFit, Elaborative XGBoost, Two-level Ensemble 등 네 가지 외부 개발된 사전 학습 모델을 통합하는 것을 목표로 합니다.
DR-LabStack은 공유 폼(shared form)을 사용하여 순서가 지정된 모델 특징들을 검색하고, 모델별 수치 및 범주형 컨트롤을 렌더링하여 위치 기반 입력 벡터를 구성합니다. 백엔드 어댑터는 이질적인 아티팩트들을 로드하고 통합 앙상블의 스케일러를 적용하며, 공통 JSON 응답을 통해 바이너리 분류 표시와 함께 방법 및 출처 정보를 제공합니다. 기능 평가 결과, 네 가지 모델이 각각 14개, 6개, 8개, 25개의 필드 계약(field contracts)을 노출하는 것이 확인되었습니다.
시스템은 재사용 가능한 상호작용 및 서비스 워크플로우를 통해 이질적인 DR 모델들을 통합적으로 제공함을 입증했습니다. 본 시스템의 기여는 웹 시스템 설계, 통합, 그리고 소프트웨어 기능 구현에 중점을 두고 있습니다. 다만, 임상적 효능이나 실제 의료진의 사용 편의성은 별도의 평가가 필요하다고 명시하고 있습니다.