복부 초음파 판독 및 수술 결정 지원 인공지능 모델 개발

팩트초음파 검사는 응급 및 간담도 영상 진단에서 활용되는 진단 방법이지만, 검사자의 숙련도에 따라 결과에 편차가 발생합니다.

주장연구진은 이러한 진단 편차 문제를 해결하기 위해 상복부 초음파의 전 과정을 지원하는 다중 작업 비전-언어 모델을 개발했습니다.

팩트연구진은 단일 3차 대학 병원에서 수집한 9189건의 사례와 594099개의 이미지를 사용하여 모델을 학습시켰습니다.

팩트콜로라도 대학교와 스탠퍼드 대학교 등 두 곳의 독립적인 기관에서 1812건의 사례를 활용해 모델의 성능을 검증했습니다.

팩트이 시스템은 16가지 임상 소견을 분류하고, 진단 보고서를 자동으로 생성하며, 초음파 결과와 임상 데이터를 결합하여 수술 여부를 결정합니다.

팩트모델의 분류 성능을 나타내는 수신자 작동 특성 곡선 아래 면적 지표는 내부 데이터에서 0.865, 콜로라도 대학교 데이터에서 0.794, 스탠퍼드 대학교 데이터에서 0.775를 기록했습니다.

주장모델이 생성한 진단 보고서는 숙련된 영상의학과 전문의가 작성한 보고서와 구별하기 어려운 수준의 품질을 보였습니다.

팩트이 모델은 생성된 보고서와 환자의 임상 데이터를 바탕으로 담낭 절제술 필요 여부를 예측하는 기능도 수행했습니다.

주장이번 결과는 인공지능이 진단 보조를 넘어 수술적 치료를 위한 의사결정 지원 도구로 활용될 수 있음을 보여줍니다.

교차검증본 연구는 특정 기관의 데이터를 중심으로 학습되었으므로, 다양한 장비와 환경에서 발생하는 초음파 영상에 대한 일반화 가능성을 지속적으로 검증하는 과정이 필요합니다.

팩트미국, 대만, 중국 등 여러 국가의 대학 및 병원 소속 연구진이 이번 연구에 참여했으며, 논문은 2025년 11월에 접수되어 2026년 8월에 승인된 뒤 2026년 9월 네이처 커뮤니케이션즈에 게재되었습니다.

출처네이처 커뮤니케이션즈(https://www.nature.com/articles/s41467-026-77498-w)의 보도를 교차 검증했습니다.