MediWave

http://dx.doi.org/10.31916/sjmi2025-02-7  Key word: Medical Imaging · Precision Medicine · AI Radiology · Predictive Diagnostics 서론: 의료영상은 더 이상 ‘진단 보조 수단’이 아니다 의료영상(Medical Imaging)은 지난 수십 년간 질병을 “확인(confirmatory)”하는 도구로 인식되어 왔다.  임상 증상이 발생한 이후, 병변의 위치와 범위를 시각적으로 확인하는 것이 영상의학의 핵심 역할이었다.  그러나 최근 10여 년간 정량 영상(quantitative imaging) , 분자영상(molecular imaging) , 인공지능(AI) 기반 분석 , 방사선량 최적화 기술 이 융합되면서 의료영상의 본질적 역할은 급격히 변화하고 있다. 이제 의료영상은 ▶ 질병을 예측(Predictive)하고 ▶ 개인별 위험도를 계층화(Risk Stratification)하며 ▶ 치료 반응과 예후를 정밀하게 예측(Precision Medicine)하는 임상 의사결정의 중심 인프라 로 자리 잡았다. 특히 2024–2025년 발표된 다수의 SCI급 연구들은 영상의학이 단순 판독을 넘어, 임상 지능(Clinical Intelligence)의 핵심 축으로 기능하고 있음을 명확히 보여준다. 1. 예측의학 시대의 핵심 도구, 신경영상(Neuroimaging) 알츠하이머병: 증상 이전에 진단되는 시대 알츠하이머병(Alzheimer’s disease)은 의료영상 패러다임 전환을 가장 상징적으로 보여주는 질환이다. 과거에는 기억력 저하라는 임상 증상이 나타난 후 MRI에서 해마 위축을 확인하는 방식이 주를 이루었지만, 현재는 아밀로이드 PET·타우 PET 을 통해 무증상 단계(preclinical stage)에서 병리학적 변화를 확인할 수 있다. Figure 1. PET 기반 알츠하이머병 전임상 진단 아밀로이드 PET 영상에서 대...

 https://doi.org/10.1016/j.acra.2025.12.028 Portable Brain CT, Motion Artifact Correction, Diffusion Model, AI Medical Imaging, Brain CT Image Quality 1. 서론: Portable Brain CT와 Motion Artifact의 근본적 한계 Portable Brain CT 는 중환자실(ICU), 응급실, 수술 직후 병상(bedside), 재난 현장 등에서 환자를 이동시키지 않고 뇌 영상을 획득할 수 있는 혁신적 영상 기술이다. 그러나 이러한 Portable CT 는 구조적·물리적 제약으로 인해 motion artifact 가 빈번하게 발생하며, 이는 영상 판독 정확도와 진단 신뢰도를 심각하게 저하시킨다. 특히 중증 환자, 의식 저하 환자, 인공호흡기 착용 환자는 자발적 두부 고정이 불가능 하며, 기존의 고정 장치 역시 임상적으로 적용이 어렵다. 이로 인해 brain CT motion artifact , streak artifact , double skull artifact 등이 빈번히 관찰된다. 최근 이러한 문제를 해결하기 위해 Diffusion Model 기반 AI motion correction 알고리즘 이 제안되었으며, 본 컬럼에서는 *Academic Radiology (2025)*에 게재된 최신 연구를 바탕으로 Portable Brain CT 영상 품질 개선과 영상 판독 관점에서의 임상적 의미 를 심층적으로 분석한다. 2. Diffusion Model 기반 Motion Correction의 원리 2.1 Diffusion Model이란 무엇인가? Diffusion model 은 노이즈가 포함된 영상으로부터 점진적으로 원본 이미지를 복원하는 확률 기반 생성 모델이다. 의료 영상 분야에서는 low-dose CT reconstruction , MRI denoising , motion correction 등에서 탁월한 ...

 http://dx.doi.org/10.31916/sjmi2025-01-7  서론: 영상의학, AI와 만나 새로운 국면을 맞다 의료영상 분야는 지금 거대한 변곡점에 서 있다.  인공지능(AI)의 급속한 발전은 단순히 판독 보조 기술의 차원을 넘어, Radiology Extender(영상의학 확장자)라는 새로운 패러다임을 형성하고 있다. 기존에 방사선 전문의가 수작업으로 수행하던 병변 탐지, 정량화 분석, 영상 트리아지(triage), 구조화된 리포트 작성 등의 반복적 업무를 AI가 대신 수행하면서, 영상의학의 속도·정확도·효율성이 모두 비약적으로 향상되고 있다. 1. AI 영상의학의 핵심 4대 기능 (1) 병변 탐지 및 분류 (Lesion Detection and Classification) 딥러닝(Deep Learning), 특히 합성곱 신경망(CNN) 기반의 모델들은 CT, MRI, X-ray, 유방촬영 등 다양한 영상에서 병변을 자동으로 탐지하고 분류한다. AI는 폐결절, 뇌출혈, 유방암 미세석회화 등 다양한 병변을 사람 수준의 정확도로 찾아내며, 방사선 전문의를 ‘두 번째 판독자(Second Reader)’로 지원한다.  그림 1A. AI 병변 탐지 과정 AI가 CT 영상에서 폐결절을 자동 탐지하고 악성 가능성을 확률로 제시함. 영상 판독: 폐 우하엽에 6mm 결절, malignancy risk 27%. 이러한 이중 판독(Double Reading) 구조는 오진 가능성을 낮추고, 진단 신뢰도를 높이는 데 기여한다. (2) 영상 트리아지 및 우선순위 설정 (Image Triage and Prioritization) 응급실과 고부하 영상실에서는 시간과의 싸움이 생명이다. AI는 CT·MRI 데이터를 실시간으로 분석하여, 응급성이 높은 영상부터 자동으로 우선순위를 매긴다.   그림 1B. 응급 트리아지 알고리즘 시각화 AI가 두부 CT에서 급성 출혈을 탐지하고 “STAT(응급)” 태...

  http://dx.doi.org/10.31916/sjmi2025-01-7 인공지능, 영상의학의 새로운 동반자 21세기 의료 혁신의 중심에는 의료 인공지능(AI)이 있다.  특히 영상의학(Radiology) 분야는 AI 기술의 발전에 따라 가장 빠르게 변화하는 영역 중 하나로 꼽힌다.  과거 인공지능은 단순히 보조 도구로 여겨졌지만, 이제는 진단의 정밀도와 효율성을 혁신적으로 높이는 ‘Radiology Extender(영상의학 확장자)’로 진화하고 있다. 최신 연구에 따르면, AI는 단순히 병변을 감지하는 수준을 넘어 영상 판독, 데이터 분석, 보고서 자동화, 그리고 임상적 의사결정 지원까지 수행한다.  이러한 변화는 단순한 기술 혁신을 넘어 의료 생태계의 근본적 전환점 으로 평가된다. AI 영상의학의 핵심 기능 4가지 첨부 연구는 AI가 영상의학에서 수행하는 역할을 네 가지 핵심 기능 으로 구분했다.  이는 임상 현장에서 AI가 Radiology Extender로 작동하는 구체적인 기술 기반을 보여준다. 1️⃣ 병변 탐지와 분류 (Lesion Detection & Classification) 딥러닝 기반의 CNN(Convolutional Neural Network) 모델은 CT, MRI, X-ray 등 다양한 영상에서 병변을 자동으로 탐지하고 분류할 수 있다.  예를 들어, 폐결절 탐지, 뇌출혈 인식, 유방암 미세석회화 감지 등에서 인간 전문가 수준의 정확도를 보인다. AI는 또한 ‘이중 판독자(second reader)’로서 방사선과 전문의가 놓칠 수 있는 병변을 보완하며, 진단 신뢰도를 높인다. 💡 AI 영상 판독은 진단 오류를 줄이고, 판독자의 피로도를 낮춰 의료 안전성을 향상시킨다. 2️⃣ 영상 트리아지(Image Triage & Prioritization) 응급실과 같이 신속한 판독이 요구되는 환경 에서는 AI의 역할이 더욱 중요하다.  예...