MediWave

 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...

  https://doi.org/10.1016/j.acra.2025.10.004 키워드: 폐암 예측, 인공지능 영상 분석, Radiomics, 딥러닝, GGN(간유리결절), 폐선암, 의료AI 서론: 폐암 예측의 새 전환점 폐암은 여전히 전 세계 암 사망 원인 1위를 차지합니다.  특히 간유리결절(Ground-Glass Nodule, GGN) 형태로 나타나는 조기 폐선암(adenocarcinoma)은 겉보기에는 작은 병변이지만, 그 내부가 침습성(invasive)인지, 아니면 비침습성(preinvasive)인지를 구별하는 것이 임상적으로 매우 중요합니다. 기존 CT 영상만으로는 두 형태를 정확히 구분하기 어렵기 때문에, 수술 시기를 놓치거나 불필요한 절제를 시행하는 문제가 발생하기도 했습니다. 이러한 한계를 극복하기 위해 등장한 것이 Radiomics(라디오믹스)와 Deep Learning(딥러닝)을 결합한 새로운 접근법입니다.  Radiomics는 영상 데이터를 수치화하여 숨은 패턴을 찾아내는 기술이며, 딥러닝은 이러한 복잡한 패턴을 학습해 스스로 예측 모델을 만드는 인공지능 방법입니다. Radiomics와 딥러닝의 결합: 영상의 새로운 언어 Radiomics는 CT 영상의 픽셀 속에서 ‘숫자’를 추출합니다. 예를 들어, 결절의 텍스처(질감), 모양, 경계, 밀도 변화 등을 수백~수천 개의 변수로 변환합니다. 하지만 이 데이터만으로는 모든 임상적 복잡성을 담아내기 어렵습니다.  그래서 연구팀은 ResNet50 기반 딥러닝 모델 을 추가하여, 영상에서 Radiomics가 놓칠 수 있는 고차원적 패턴 을 학습하도록 했습니다. 이때 세 가지 주요 데이터가 결합되었습니다. Radiomics feature : CT에서 추출한 정량적 이미지 특징 Deep Learning feature : ResNet50 딥러닝 네트워크에서 얻은 표현 Intratumoral Habitat(ITH) : 병변 내부의 ...

  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...