라벨이 RadTalk인 게시물 표시

응급실 급성 담낭염 진단, ‘현장 초음파(POCUS)’가 환자의 불안과 통증을 획기적으로 줄인다

  DOI:  10.1016/j.jen.2025.11.022 응급의학과 영상의학 분야에서 환자 경험 (Patient Experience) 은 더 이상 부차적인 요소가 아닙니다 . 진단의 정확성뿐 아니라 , 얼마나 빠르고 , 덜 고통스럽고 , 덜 불안하게 진단할 수 있는가 가 현대 응급의료의 핵심 지표로 자리 잡고 있습니다 . 이번 컬럼에서는 Journal of Emergency Nursing 에 발표된 최신 연구를 바탕으로 , 급성 담낭염 (Acute Cholecystitis) 의심 환자에서 시행되는 현장 초음파 (POCUS, Point-of-Care Ultrasound) 가 환자의 불안과 통증을 어떻게 유의미하게 감소시키는지 를 전문가의 시각에서 심층적으로 분석합니다 . 1. 급성 담낭염 진단 프로세스의 한계와 새로운 대안 급성 담낭염 (Acute Cholecystitis) 은 대부분 담석이 담낭관을 폐쇄하면서 발생하는 염증성 질환으로 , 응급실에서 신속한 진단과 처치가 필수적입니다 . 기존 표준 진단 과정 일반적으로 응급실에서의 진단 프로세스는 다음과 같습니다 . ·          임상 평가 및 혈액 검사 복통 양상 , 발열 , 백혈구 증가 및 염증 수치 확인 ·          표준 초음파 검사 (Standard Ultrasound) 영상의학과로 환자를 이송하여 정밀 초음파 시행 그러나 이 과정에서 발생하는 환자 이송 (Transport) 은 ·          진단 지연 ·          낯선 환경에 대한 심리적 부담 ·        ...

의료 인공지능(AI)이 이끄는 영상의학의 진화 — Radiology Extender 시대의 개막

이미지
  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...

[Dual-Energy CT와 간세포암 진단] TACE 후 잔류 리피오돌과 종양 재발 감별의 임상적 가치

이미지
서론 간세포암(Hepatocellular carcinoma, HCC)은 전 세계적으로 간에서 발생하는 원발성 악성 종양 중 가장 흔한 형태로, 전체 간암의 약 75~85%를 차지한다.  특히 B형 간염, C형 간염, 알코올성 간질환 등 만성 간질환 유병률이 높은 아시아와 사하라 이남 아프리카 지역에서 높은 발생률을 보인다.  최근 수십 년간 다양한 치료 전략이 발전하였음에도 불구하고, HCC는 여전히 암 관련 사망 원인의 주요 요인으로 남아 있다. 간세포암의 치료 방법 중 간동맥 화학색전술(Transarterial chemoembolization, TACE)은 중간기(intermediate-stage) HCC 환자 에서 표준 치료로 자리 잡았다.  TACE는 항암제를 종양 혈관으로 직접 투여하고, 동시에 혈류를 차단하여 종양 성장을 억제하는 최소침습적 방법이다.  이 과정에서 리피오돌(Lipiodol)이 항암제 운반체 및 영상 조영제로 중요한 역할을 담당한다. 하지만 문제는 TACE 이후 영상 추적 검사에서 리피오돌의 잔류 소견 이 종종 종양의 조영증강처럼 보이면서 재발 병변과의 감별이 어려워진다 는 점이다.  기존 CT나 MRI만으로는 이 차이를 명확히 구분하기 어려워, 불필요한 추가 치료나 잘못된 임상적 판단이 이루어질 가능성이 있다. 이러한 한계를 극복하기 위해 이중에너지 전산화단층촬영(Dual-energy computed tomography, DECT)이 도입되었으며, DECT는 요오드 맵(Iodine map)과 가상 무조영 영상(Virtual non-contrast, VNC)을 제공함으로써 잔류 리피오돌과 실제 종양 병변의 감별에 탁월한 이점 을 보여준다. 증례 본 연구에서는 62세 여성 HCC 환자를 대상으로 한 사례가 제시되었다. 환자는 우엽에 위치한 간세포암으로 진단되어 TACE 치료를 받았으며, 이후 추적 관찰을 위해 DECT 검사를 시행 하였다. 동맥기 영상 : 간 제4분절에 조영...

Simultaneous MR-PET 영상 융합과 인공지능 기반 적합도 분석: 신경망 학습을 통한 차세대 의료영상 기술

이미지
 doi:10.31916/sjmi2020-01-05 서론 현대 의학에서 의료영상(Medical Imaging) 은 질병 진단과 치료 전략 수립에 필수적인 도구이다.  19세기 말 X-선의 발견으로 시작된 의료영상 기술은 20세기 후반 CT(Computed Tomography), MRI(Magnetic Resonance Imaging), PET(Positron Emission Tomography) 등 고도화된 장비의 개발로 비약적인 발전을 이루었다. 특히 최근 각광받고 있는 Simultaneous MR-PET(동시 MR-PET) 은 하나의 장비에서 MRI와 PET 영상을 동시에 획득하는 차세대 융합형 분자영상 기술이다.  기존 PET-CT에 비해 방사선 피폭을 최대 70%까지 줄일 수 있으며, MRI가 제공하는 연조직(soft tissue) 대비능을 그대로 유지하면서 PET이 제공하는 분자·기능 정보를 동시에 제공할 수 있다는 점에서 큰 주목을 받고 있다. 본 칼럼에서는 첨부된 연구 논문을 기반으로, Simultaneous MR-PET 영상과 MRI·PET 개별 영상 간의 적합도(fitting degree)를 인공지능 신경망 학습을 통해 분석한 최신 연구 성과 를 심층적으로 다루고자 한다.  본론 1. Simultaneous MR-PET의 의학적 의의 Simultaneous MR-PET은 단순히 두 장비의 물리적 결합이 아니라, 분자 수준의 초민감 영상(PET)과 고해상도 해부학·기능 영상(MRI) 을 하나의 데이터 세트로 융합하는 것이다.  이는 다음과 같은 의학적 장점을 가진다: 방사선 저감 효과 : PET-CT 대비 70% 이상의 방사선 감소 연조직 대비능 강화 : MRI의 높은 소프트 티슈 해상도를 그대로 보존 검사 시간 단축 : 동시 획득으로 환자 검사 편의성 향상 정밀 진단 가능 : 움직임 보정(Motion Compensation) 기능을 통한 영상 왜곡 최소화 ...

디지털 유방단층촬영술(DBT)과 합성 유방촬영의 임상적 가치: 위양성 감소와 조기 유방암 진단 최적화 전략

이미지
서론 유방암은 전 세계 여성에게 가장 흔히 발생하는 암 중 하나이며, 조기 진단은 환자의 생존율을 결정하는 핵심 요인이다.  현대 의학에서 영상의학적 유방암 검진은 디지털 유방촬영술(Digital Mammography, DM)을 중심으로 발전해왔지만, 최근에는 디지털 유방단층촬영술(Digital Breast Tomosynthesis, DBT)과 합성 유방촬영(synthesized mammography)의 결합이 새로운 표준으로 주목받고 있다. 특히 독일에서 수행된 TOSYMA 임상시험 은 약 10만 명에 달하는 대규모 무작위 대조시험(randomized controlled trial)으로, DBT와 합성 유방촬영의 결합이 기존의 디지털 유방촬영보다 위양성(false-positive) 발생을 줄이고 실제 유방암 발견률을 높인다는 결과를 제시하였다. 본 칼럼에서는 이 최신 연구 결과를 기반으로 DBT와 합성 유방촬영의 임상적 유용성을 심층적으로 분석하고, 위양성 감소 효과, 환자 안전성, 임상적 의의 및 향후 발전 방향을 논의한다. 본론 1. 유방암 검진의 진화 유방암 검진의 기본 도구였던 디지털 유방촬영술(DM)은 저선량 방사선으로 촬영한 2차원 이미지를 기반으로 하며, 비교적 저비용과 보급성을 이유로 오랫동안 표준 검진 도구로 사용되어왔다.  그러나 DM은 유방 밀도가 높은 여성에서 겹쳐 보이는 음영(summation shadow) 문제로 인해 위양성 및 위음성 판독을 야기할 수 있다는 한계가 있었다. 이를 보완하기 위해 개발된 DBT는 여러 각도에서 얻은 이미지를 3차원적으로 재구성하여 병변의 구조를 더 정확하게 파악할 수 있다.  하지만 DBT 단독 사용은 촬영 시간 증가, 데이터량 증가, 그리고 방사선 피폭량의 증가 문제를 동반한다.  이를 해결하기 위해 등장한 것이 바로 합성 유방촬영(synthesized 2D mammography)이다.  이는 DBT 데이터를 기반으로 가상의 2차원 영상을 ...

디지털 감산혈관조영술(DSA) 영상 품질 평가: PSNR 기반 서버 모니터와 클라이언트 모니터 비교 연구

이미지
doi:10.31916/sjmi2020-01-04 서론 의료 영상학은 현대 의학에서 진단과 치료의 핵심적 역할을 담당하고 있다.  특히 디지털 감산혈관조영술(Digital Subtraction Angiography, DSA) 은 혈관 질환의 진단 및 중재적 시술(interventional procedure)에서 필수적인 영상 기법이다.  하지만 DSA 과정에서 얻어진 영상은 PACS(Picture Archiving and Communication System)에 저장·전송되는 과정에서 잡음(noise), 압축 손실(loss), 디스플레이 성능 차이로 인해 영상 품질이 변동될 수 있다. 영상 품질의 객관적 평가는 진단 정확도와 직결되며, 이를 정량화하기 위해 PSNR(Peak Signal-to-Noise Ratio) 이 널리 활용된다.  본 칼럼은 첨부 논문( doi:10.31916/sjmi2020-01-04) 에서 수행된 PSNR 분석 연구 를 기반으로, 서버 디스플레이 모니터와 클라이언트 모니터 간 영상 품질 차이를 심층적으로 고찰한다. 본문 1. DSA 시스템과 영상 획득 과정 DSA는 형광증배관(fluorescence multiplier)과 카메라로 획득된 아날로그 신호를 A/D 변환기 를 통해 디지털화하고, 마스크 영상과 혈관 영상을 감산하여 혈관만을 선명하게 보여주는 기법이다. 그림 1. DSA 시스템 구조: 아날로그 신호가 디지털 변환 과정을 거쳐 혈관 영상만 추출됨 2. PACS와 의료영상 품질 저하 요인 의료기관에서 획득된 영상은 PACS에 저장되며, 서버와 클라이언트 간 전송 과정에서 다음과 같은 문제가 발생할 수 있다. 압축 손실 (Lossy Compression) : 일부 데이터가 손실되어 영상 왜곡 발생 노이즈 (Noise) : 전송 중 잡음이 추가되어 해상도 저하 모니터 해상도 및 성능 차이 : 동일한 원본 영상이라도 디스플레이 장치에 따라 품질이 달라짐 이러한 ...

인공지능 딥러닝을 활용한 디지털 유방촬영술에서의 악성 종양 판독과 임상 적용

이미지
    doi:10.31916/sjm 2020-01-03 서론 유방암은 전 세계 여성에서 가장 흔히 발생하는 암이자 주요 사망 원인으로 꼽히며 , 조기 진단이 생존율을 높이는 핵심 요인으로 알려져 있습니다 .  디지털 유방촬영술 (Digital Mammography) 은 저에너지 X 선을 사용하여 유방 내부의 미세석회화 (microcalcifications), 종괴 (masses), 구조 왜곡 (architectural distortion) 등을 탐지하는 영상의학적 방법으로 , 조기 발견을 위한 핵심 기술입니다 .  그러나 육안 판독은 주관적 오류 가능성이 있으며 , 이 한계를 보완하기 위해   인공지능 (AI) 딥러닝 기반 자동 판독 시스템 이 빠르게 발전하고 있습니다 . 본 칼럼에서는   AI 기반 디지털 유방촬영 영상 분석 기술 의 최신 연구 결과를 정리하고 , 실제 임상 적용 가능성과 향후 전망을 살펴보겠습니다 . 1. 디지털 유방촬영술의 원리와 임상적 중요성 디지털 유방촬영술은 약 30kVp 의 저에너지 X 선을 사용하여 유방 영상을 획득합니다 .  다른 뼈 X 선과 달리 , 상대적으로 낮은 에너지를 사용해 미세한 병변을 탐지할 수 있습니다 . 미세석회화 : 직경 0.05~1 mm 크기의 밝은 점 형태 병변으로 , 군집 (cluster) 형태일 경우 악성 가능성이 높습니다 . 종괴 (Mass) : 원형 , 타원형 , 엽상형 (lobulated), 불규칙형 , 방사상 (spiculated) 등 다양한 형태를 가지며 , 경계가 불명확할수록 악성 가능성이 큽니다 . 구조 왜곡 : 유방 내 조직 배열이 정상과 달리 당겨지거나 휘어진 형태로 보이는 현상으로 , 암의 주요 지표가 될 수 있습니다 . 2. 인공지능 기반 영상 판독의 필요성 영상의학 전문의는 수많은 판독 경험을 바탕으로 병...