MediWave

  Aidoc CARE: 임상 AI의 미래를 가속하는 1억 5천만 달러 투자와 의료 혁신 서론: 인공지능이 의료 진단의 패러다임을 바꾸다 의료 영상 분석과 임상 의사결정 지원에서 인공지능(AI)의 역할은 날로 확대되고 있습니다.  특히 임상 AI 추론 엔진(Clinical AI Reasoning Engine, CARE)의 등장은 단순한 영상 판독 보조를 넘어, 질병 예측과 환자 맞춤형 치료 전략 수립까지 가능하게 만들고 있습니다. 최근 글로벌 의료 AI 선도 기업 Aidoc 이 1억 5천만 달러(약 2,000억 원)의 대규모 투자를 확보하며 CARE 기반의 임상 AI 생태계 확장 계획을 발표했습니다【그림 1】.  이 투자는 향후 3년 이내에 암, 심혈관 질환을 포함한 90% 이상의 임상적으로 중요한 질병 을 CARE 플랫폼에서 다룰 수 있도록 하는 데 목표를 두고 있습니다. 그림 1.  Aidoc의 CARE 기반 임상 AI 생태계 확장 전략 시각화 본론 1. Aidoc CARE의 기술적 특징 CARE는 기존의 AI 모델과 달리 멀티모달 데이터(multimodal data) 기반 학습을 통해 영상, 임상 기록, 검사 결과를 통합 분석합니다.  이를 통해 단순 패턴 인식이 아니라 임상적 추론(clinical reasoning)을 수행할 수 있습니다. 특히 FDA 승인을 받은 두 가지 CARE 기반 제품은 영상 판독의 정확성과 속도를 향상시켜 진단 오류를 줄이는 데 기여하고 있습니다.  Aidoc은 향후 모든 자사 모델을 CARE로 전환해 표준화된 임상 AI 생태계를 구축할 계획입니다. 2. aiOS: AI 운영체제의 도입 Aidoc은 기업급 운영체제 인프라(aiOS)를 도입하여 의료 기관 전반에서 AI 솔루션을 효율적으로 배포·운영할 수 있도록 하고 있습니다.  aiOS는 다양한 AI 알고리즘과 데이터를 통합 관리하며, 개방형 API를 통해 병원 정보시스템(HIS), 영상저장전...

 차세대 PET 영상 혁신: Claritas NucMed의 iPETcertum FDA 승인과 의료 영상 분석의 미래 서론 의료 영상 분야에서 양전자방출단층촬영(PET) 기술은 암, 신경질환, 심혈관질환의 진단과 치료 계획 수립에 핵심적인 역할을 수행하고 있습니다.  그러나 기존 PET 영상 분석 과정은 시간이 많이 소요되고, 특히 SUV(Standardized Uptake Value)와 부피(volume) 측정은 수동으로 진행될 경우 몇 시간에 걸쳐 수행되는 비효율성이 존재했습니다. 이러한 한계를 극복하기 위해 Claritas HealthTech 의 자회사 Claritas NucMed Technologies 가 개발한 iPETcertum 소프트웨어가 등장했습니다.  최근 이 제품이 미국 FDA 승인을 획득 함에 따라, 의료 영상 분석 시장은 새로운 전환점을 맞이하게 됐습니다. iPETcertum의 핵심 기능 1. 자동 분할(Automated Segmentation)과 정량 분석(Quantification) 기존 PET 영상에서 종양이나 병변 부위를 분석하려면 전문가가 직접 ROI(Region of Interest)를 설정하고 SUV를 계산해야 했습니다. iPETcertum은 사용자가 PET, PET/CT, 또는 PET/MRI 영상에서 병변을 클릭하면 SUV와 부피를 자동으로 계산 해줍니다.  이 과정은 기존의 수 시간 작업을 단 몇 초로 단축시켰습니다. 그림 1.  iPETcertum의 자동 분할 예시 (PET/CT 영상에서 종양 영역 자동 식별) 2. 영상 향상(Image Enhancement) 기술 PET 영상은 방사성 동위원소의 투여량이 적거나 스캔 시간이 짧을 경우, 영상의 노이즈(Noise)가 증가해 진단 정확도가 떨어질 수 있습니다. iPETcertum은 AI 기반 노이즈 제거 알고리즘 을 통해 저용량 또는 단시간 촬영 영상에서도 신뢰할 수 있는 진단급 품질 을 제공한다. 그림 2...

  AI 기반 Interleaved MRI 움직임 보정 알고리즘(FAMLS)으로 의료 영상 품질 혁신 – 의료 인공지능·MRI 재구성·영상처리 최신 기술 1. 서론 의료 인공지능(AI) 기술과 고급 영상 재구성 알고리즘의 결합은 헬스케어 산업의 새로운 수익 모델을 창출하고 있다. 특히, **MRI(Magnetic Resonance Imaging) 움직임 보정(Motion Correction)**은 병원, AI 솔루션 기업, PACS 개발사, 의료 영상 분석 스타트업에 있어 직접적인 매출 증가와 환자 진단 정확도 향상 이라는 두 마리 토끼를 잡을 수 있는 핵심 기술이다. 본 칼럼에서는 완전 데이터 적응형 이동 최소 자승(Fully Data Adaptive Moving Least Squares, FAMLS) 알고리즘을 활용하여 Interleaved MRI 에서 발생하는 움직임 아티팩트(motion artifact)를 효과적으로 줄이는 방법을 심층 분석한다. 2. Interleaved MRI와 움직임 아티팩트 문제 MRI 촬영 중 환자의 움직임은 영상 품질 저하의 주원인 중 하나다. 특히 Interleaved MRI 방식은 3D 볼륨 영상을 빠르게 획득할 수 있는 장점이 있으나, 슬라이스 간 시간차로 인한 움직임 왜곡이 빈번하게 발생한다. 이러한 아티팩트는 단순히 영상의 미관 문제를 넘어, 뇌 질환, 종양, 혈관 이상 진단의 정확도에 직접적인 영향을 준다 . 따라서 의료 영상 처리 분야에서는 다양한 움직임 보정 기법이 연구되어 왔다. 3. FAMLS 알고리즘 개요 FAMLS는 기존 MLS(Moving Least Squares) 기법을 확장한 형태로, 데이터의 구조적 특성에 맞춰 가중 함수를 동적으로 조정하여 더 정밀한 보간을 수행한다. 기존 알고리즘의 한계 클래식 MLS : 거리 기반 가중치만 사용 → 경계(Edge) 표현이 흐릿해짐 DAMLS(Data-Adaptive MLS) : 이미지 경계 방향성을 반영하지만 타원체 ...

 대형 언어 모델(LLM)은 영상의학과 진단의 미래인가? – 다기관 평가를 중심으로 본 가능성과 한계 서론 최근 ChatGPT를 포함한 대형 언어 모델(Large Language Models, 이하 LLM)이 의료 분야로 급속히 확장되고 있다. 특히 진단의 정확성과 속도가 생명과 직결되는 영상의학 분야 에서 LLM의 활용은 ‘혁신’이 아닌 ‘현실적 가능성’으로 다가오고 있다. 이에 대해 미국의 저명한 의학 저널인 NEJM AI 는 2024년 7월, 흥미로운 다기관 연구 결과를 발표했다 [1] . 이 연구는 GPT-4 기반 LLM이 실제 영상의학 임상 상황에서 의사결정에 얼마나 정확하고 유용한지를 종합적으로 분석한 최초의 대규모 다기관 평가로 주목받고 있다. 본 컬럼에서는 이 연구의 핵심 내용을 중심으로, LLM이 영상의학 진료에서 어떤 역할을 할 수 있으며 그 한계와 미래 전망은 어떤지를 세계적인 전문가 수준에서 심층적으로 분석한다. 본론 1. 대형 언어 모델(LLM)의 도입 배경 영상의학은 방대한 임상 정보, 방사선 이미지, 환자의 과거 병력, 검사 결과 등을 통합하여 판단해야 하는 고도의 전문 영역이다. 이 과정에서 발생하는 수많은 임상 의사결정 포인트는 AI, 특히 LLM의 자연어 처리 능력과 잘 맞아떨어진다. GPT-4와 같은 최신 모델은 의학 지식뿐만 아니라 맥락 이해력, 논리적 추론, 임상적 유사사례 기반 판단 능력을 모두 갖추고 있어, 임상 의사와 상호작용하거나 판단을 보조할 수 있는 가능성이 높다. 2. NEJM AI 다기관 연구의 개요 이번 연구 [1] 은 미국 5개 의료기관(Stanford, Massachusetts General, Duke 등)의 15명 이상 영상의학 전문의가 참여한 다기관 블라인드 평가 방식으로 진행되었다. 총 321건의 실제 환자 사례에 대해, GPT-4 기반 LLM이 임상 의사결정에 대해 내린 판단을 전문가의 평가와 비교하는 방식이었다. 평가 항목 은 다음과 같다. 적절한 영상의학 ...