위내시경 진단 및 보고 자동화 인공지능 모델 개발

주장다중 모달 거대 언어 모델(Multimodal Large Language Model, MLLM)을 의료 지식과 결합하여 위내시경 진단과 보고 과정을 자동화하는 새로운 방법론이 제시되었습니다. 이는 복잡한 소화기 질환 진단 과정에서 인공지능의 활용 범위를 확장합니다.

팩트연구진은 4,461명의 환자로부터 수집한 20만3838장의 위내시경 이미지와 그에 대응하는 보고서를 포함하는 대규모 다기관 데이터셋을 구축했습니다. 이는 현재까지 공개된 위내시경 관련 데이터셋 중 가장 큰 규모입니다.

팩트개발된 모델인 MLLM-EDR은 19가지 소화기 질환에 대해 평균 0.882의 진단 정확도를 보였습니다. 이는 기존 최첨단 인공지능 모델의 0.720과 주니어 내시경 전문의의 0.784를 상회하는 수치입니다.

주장모델이 생성한 보고서의 완성도와 사실성은 숙련된 시니어 내시경 전문의가 작성한 보고서 품질과 대등한 수준에 도달했습니다. 이는 인공지능이 단순한 진단을 넘어 임상 의사결정을 지원하는 도구로 기능할 수 있음을 보여줍니다.

팩트해당 기술을 적용했을 때 내시경 전문의의 보고서 작성 업무 시간은 기존 7분에서 13.48초로 대폭 감소했습니다. 이는 의료 현장의 효율성을 높이고 전문의의 업무 과부하를 줄이는 데 기여합니다.

주장위내시경은 소화기 질환 진단에 필수적인 절차이며 정확한 보고서 작성은 치료 방향을 결정하는 데 핵심적인 역할을 합니다. 이번 모델은 인공지능 기반 의료 진단 시스템의 새로운 표준을 제시합니다.

팩트이번 연구는 통지대학교 전자정보공학부와 통지병원 소화기내과 연구진이 공동으로 진행했습니다. 연구 결과는 네이처 커뮤니케이션즈(Nature Communications)에 2026년 7월 17일자로 게재되었습니다.

교차검증본 연구는 중국 국가자연과학기금 등 다수의 공공 연구 기금 지원을 받아 수행되었습니다. 연구진은 이해 상충이 없음을 명시했으나 실제 임상 현장 도입을 위해서는 추가적인 대규모 검증이 필요합니다.

교차검증인공지능 모델의 성능이 뛰어나더라도 실제 의료 현장에는 환자의 개별적 특성과 다양한 변수가 존재합니다. 따라서 인공지능은 전문의의 판단을 보조하는 도구로 활용하는 것이 바람직합니다.

주장의료진의 업무 효율을 개선하는 이번 모델의 성과는 향후 인공지능이 의료 현장에 안착하는 데 중요한 지표가 됩니다. 기술의 고도화와 함께 임상적 안전성을 확보하는 과정이 병행되어야 합니다.

팩트본 연구는 2025년 6월 10일에 접수되었으며 2026년 6월 30일에 최종 승인되었습니다. 연구진은 데이터의 다양성을 확보하여 모델의 신뢰도를 높이는 데 집중했습니다.

출처https://www.nature.com/articles/s41467-026-75377-y를 교차 검증했습니다.