Improving Generalization in Medical AI through Knowledge-Guided Data Augmentation = 의료 인공지능의 일반화 성능 향상을 위한 지식 기반 데이터 증강 기법 연구

다국어 초록 (Multilingual Abstract)

Medical Artificial Intelligence (AI) represents a pivotal technology for advancing patient care and diagnostic accuracy. However, substantial challenges remain in the successful deployment of models developed in controlled laboratory environments into real-world clinical settings. This thesis introduces a novel framework to resolve two critical impediments confronting medical AI: `Domain Shift,' the degradation of model performance when applied to data from different environments, and `Data Scarcity,' the insufficiency of high-quality data optimized for specific clinical tasks. Transcending the limitations of conventional algorithm-centric approaches, this study establishes a new paradigm that systematically integrates the `clinical domain knowledge' of medical experts into the data augmentation process, thereby enhancing the generalization performance and reliability of the models.

First, regarding tabular clinical data, this study begins by delineating the inadequacies of conventional data-driven approaches through a foundational analysis of real-world pediatric clinical data. To overcome the identified limitations—specifically the challenge of domain shift—we propose a `Dual Knowledge-Guided Data Augmentation' framework. This includes `Similarity-guided Mixup,' which generates synthetic data by reflecting clinical similarity between patients, and `Group-based Masking,' which simulates realistic missing data patterns. This approach enables a model trained solely on single-institution data to maintain robust predictive performance on data from other medical institutions, providing a pragmatic solution that circumvents the realistic constraints of medical data sharing.

Second, extending this philosophy of `knowledge integration' to the domain of medical imaging, this study addresses the dual challenges of data scarcity and suboptimal quality in coronary angiography. We conceptualize a novel clinical problem: `minor coronary artery segmentation,' an area largely overlooked in prior research. To this end, we constructed the world's first high-quality benchmark dataset (Fine-ARCADE) featuring precise annotations down to the microvascular level, supervised by a cardiology expert. Concurrently, we developed a specialized data augmentation technique (CAG-specific Copy-paste) that reflects the complex anatomical characteristics of coronary arteries. This anatomy-guided approach dramatically improves segmentation performance in microvascular regions that were previously intractable for existing models, thereby broadening the applicability of AI models for precision diagnostics.

Comprehensive experimental validation demonstrates that the proposed methodologies significantly advance the state-of-the-art in both domain generalization for tabular data and medical image segmentation. These studies, spanning both tabular and imaging data, empirically substantiate that the systematic integration of clinical knowledge is a foundational strategy for ensuring the generalization performance and reliability of medical AI models. These contributions establish a critical foundation for the development of intelligent medical systems capable of stable operation across diverse clinical environments.

국문 초록 (Abstract)

의료 인공지능(AI)은 환자 관리 및 진단 정확성 향상을 위한 핵심 기술을 대표합니다. 그러나 통제된 실험실 환경에서 개발된 모델을 실제 임상 현장에 성공적으로 적용하는 데에는 상당한 난제가 남아있습니다. 본 논문은 의료 AI가 직면한 두 가지 중대한 장애물, 즉 서로 다른 환경의 데이터에 적용될 때 모델 성능이 저하되는 `도메인 이동(Domain Shift)'과 특정 임상 과업에 최적화된 고품질 데이터가 불충분한 `데이터 희소성(Data Scarcity)'을 해결하기 위한 새로운 프레임워크를 제시합니다. 기존의 알고리즘 중심 접근법의 한계를 초월하여, 본 연구는 의료 전문가의 `임상적 도메인 지식'을 데이터 증강 과정에 체계적으로 통합하여 모델의 일반화 성능과 신뢰성을 향상시키는 새로운 패러다임을 정립합니다.

첫째, 테이블 형식의 임상 데이터와 관련하여, 본 연구는 실제 소아 임상 데이터에 대한 기초 분석을 통해 기존 데이터 주도 접근법의 불충분함을 규명하는 것으로 시작합니다. 확인된 한계점, 특히 도메인 이동 문제를 극복하기 위해 본 논문은 `이중 지식 기반 데이터 증강(Dual Knowledge-Guided Data Augmentation)' 프레임워크를 제안합니다. 여기에는 환자 간의 임상적 유사도를 반영하여 합성 데이터를 생성하는 `유사도 기반 믹스업(Similarity-guided Mixup)'과 실제적인 결측 데이터 패턴을 모사하는 `그룹 기반 마스킹(Group-based Masking)'이 포함됩니다. 이 접근법은 단일 기관 데이터만으로 학습된 모델이 다른 의료 기관의 데이터에서도 강건한 예측 성능을 유지하도록 하여, 의료 데이터 공유의 현실적 제약을 우회하는 실용적인 해결책을 제공합니다.

둘째, 이러한 `지식 통합'의 철학을 의료 영상 도메인으로 확장하여, 관상동맥 조영술(CAG)에서 발생하는 데이터 희소성과 품질 저하라는 이중 난제를 해결합니다. 본 연구는 이전 연구에서 크게 간과되었던 `미세 관상동맥 분할'이라는 새로운 임상적 문제를 개념화합니다. 이를 위해, 심장학 전문가의 감독하에 미세 혈관 수준까지 정밀한 주석을 갖춘 고품질 벤치마크 데이터셋(Fine-ARCADE)을 구축했습니다. 동시에, 관상동맥의 복잡한 해부학적 특성을 반영하는 특화된 데이터 증강 기법인 `CAG 특화 복사-붙여넣기(CAG-specific Copy-paste)'를 개발했습니다. 이 해부학적 지식 기반 접근법은 기존 모델로는 다루기 어려웠던 미세 혈관 영역에서의 분할 성능을 극적으로 향상시켜, 정밀 진단을 위한 AI 모델의 적용 가능성을 확장합니다.

포괄적인 실험적 검증을 통해, 제안된 방법론들이 테이블 데이터의 도메인 일반화와 의료 영상 분할 모두에서 최신 기술 수준을 현저히 발전시켰음을 입증합니다. 테이블 및 영상 데이터를 아우르는 본 연구들은 임상 지식의 체계적 통합이 의료 AI 모델의 일반화 성능과 신뢰성을 보장하기 위한 기초 전략임을 실증적으로 증명합니다. 이러한 기여는 다양한 임상 환경 전반에서 안정적인 작동이 가능한 지능형 의료 시스템 개발을 위한 결정적인 토대를 마련합니다.

목차 (Table of Contents)

• Abstract i
• 1 Introduction 1
• 1.1 Contributions 4
• 1.2 Thesis Organization 6
• 2 Foundational Analysis and Motivation 7
• 2.1 Introduction 7
• 2.2 Methods 9
• 2.2.1 Data source and study participants 9
• 2.2.2 Problem Definition 9
• 2.2.3 Variables and data processing 10
• 2.2.4 Model development and performance 20
• 2.3 Results 23
• 2.3.1 Characteristics of the cohort 23
• 2.3.2 Model performance 27
• 2.3.3 Any decline in eGFR 27
• 2.3.4 Decline in eGFR greater than 5% 27
• 2.3.5 Decline in eGFR greater than 20% 28
• 2.3.6 Feature importance 30
• 2.4 Conclusion 30
• 3 Methodological Realization for Tabular Data 35
• 3.1 Introduction 35
• 3.2 Related Works 36
• 3.2.1 Single Source Domain Generalization 36
• 3.2.2 Mixup 37
• 3.2.3 Input Masking 38
• 3.3 Methods 39
• 3.3.1 Problem setting 42
• 3.3.2 Proposed Method 1: Similarity-guided Mixup 42
• 3.3.3 Proposed Method 2: Group-based Masking 44
• 3.3.4 Dataset and evaluation 45
• 3.3.5 Baselines 49
• 3.3.6 Implementation details 49
• 3.4 Results 50
• 3.5 Discussion 52
• 4 Extension of Philosophy to Medical Imaging 56
• 4.1 Introduction 56
• 4.1.1 Challenges in CAG Segmentation 57
• 4.1.2 Our Contributions 59
• 4.2 Related works 60
• 4.2.1 Segment Anything Model (SAM) and SAM-Med2D 60
• 4.2.2 Public CAG Datasets 61
• 4.2.3 Copy-Paste Augmentation 62
• 4.3 Methods 63
• 4.3.1 Introduction to Standard Copy-Paste Augmentation 64
• 4.3.2 Modified Augmentation Techniques for CAG 66
• 4.3.3 Evaluation 68
• 4.4 Results 69
• 4.5 Discussion 73
• 4.6 Conclusion 76
• 5 Conclusion 78
• 5.1 Summary 78
• 5.2 Future Work 80
• 5.2.1 Methodological Advancement: From Manual to Automated Knowledge Integration 80
• 5.2.2 Multimodal Knowledge Fusion and Temporal Extension 81
• 5.2.3 Clinical Validation and Multi-Source Expansion 82
• Acknowledgements 98
• 요약 100