현직 영상의학과 전문의가 기술 인사이트와 임상 현실을 연결합니다.

CAD에서 AI로: 간략한 역사

방사선 전문의들은 이미 들어본 적이 있습니다. 수십 년 전에요, 컴퓨터 지원 탐지(CAD) 는 유방 촬영술 검사와 같은 작업에 혁신을 가져올 것이라고 약속했습니다. 그러나 초기의 CAD 시스템은 높은 오탐률로 인해 어려움을 겪었고 진단 정확도를 개선하는 데 거의 도움이 되지 못했습니다. 실제로 한 대규모 연구에 따르면 기존의 유방 촬영용 CAD는 “진단 정확도를 향상시키지 못하며 암을 놓칠 수 있다”는 결과가 나왔습니다. “확립된 혜택 없음” 비용에도 불구하고. 이러한 단점으로 인해 기대치가 낮아졌습니다.

주요 요점: 1세대 CAD는 지나치게 과장되어 인사이트보다는 잡음을 더하는 경우가 많았습니다.

2010년대 중반으로 넘어가면 새로운 물결이 인공지능 - 딥러닝을 기반으로 하는 AI 알고리즘이 업계의 판도를 바꾸기 시작했습니다. 이러한 AI 알고리즘은 수백만 개의 이미지에서 직접 학습하여 기존 CAD로는 결코 도달할 수 없었던 패턴 인식 능력을 달성했습니다. 특히 유방조영술에서 딥러닝 기반 AI는 다음과 같은 성과를 거두기 시작했습니다. 오탐 감소 정확도를 개선하여 CAD의 가장 큰 단점 중 하나를 해결했습니다. 영상의학 분야의 AI에 대한 과대광고는 2016년경에 최고조에 달했는데, 당시 제프리 힌튼 같은 저명인사가 5년 안에 AI가 영상의학 전문의의 능력을 능가할 것이므로 “영상의학 전문의 교육을 중단하자”고 도발적으로 제안했습니다. 그 과대 광고 주기를 겪은 방사선 전문의로서 저는 그 5년이 지났음을 증명할 수 있습니다. 아직 여기. 하지만 AI has 는 종말론자(또는 유토피아주의자)들이 예상했던 것과는 다른 방식으로 워크플로에 등장했습니다.

주요 요점: 오늘날의 AI는 어제의 교훈을 바탕으로 더욱 강력하고 유망하지만, 현실적이고 증거에 기반한 전망을 요구합니다.

무엇 실제 오늘: 이미 워크플로에 적용된 AI

2025년 AI는 공상 과학 소설이 아니라 이미 실질적인 방식으로 의료진을 돕고 있습니다. 2022년 말 기준 200개 이상 방사선과 전용으로 FDA 승인을 받은 AI 알고리즘(그리고 거의 2024년 400명), 100개 이상의 제조업체에서 개발했습니다. 현재 저를 포함한 많은 방사선 전문의가 다음을 사용하고 있습니다. 일상적인 진료의 일부인 AI 강화 도구. 이는 우리를 대체하는 것이 아니라 특정 틈새 시장에서 워크플로우를 보강하는 것입니다:

분류 및 우선순위 지정: AI “가상 비서'는 수신되는 검사를 모니터링하고 중요한 결과가 있는 검사에 플래그를 지정합니다. 예를 들어, 알고리즘은 두부 CT에서 두개 내 출혈이 의심되거나 흉부 X-레이에서 기흉(폐가 무너진 상태)을 즉시 감지하여 해당 검사를 작업 목록의 맨 위로 밀어올릴 수 있습니다. GE헬스케어의 중환자 치료 제품군은 이러한 도구 중 하나입니다. 엑스레이 기계 자체에 기흉이 발생하면 수 초 내에 의료진에게 알려 응급 환자를 분류하는 데 도움을 줍니다. 마찬가지로 뇌졸중 치료에서도 많은 뇌졸중 센터에서 큰 혈관 폐색에 대한 AI 기반 분류가 표준이 되었습니다. 제가 근무하는 병원에서는 AI가 뇌 스캔에서 큰 뇌졸중이나 출혈이 있을 가능성이 있다고 판단되면 즉시 알림을 보내 치료 시간을 단축하는 경우가 많습니다. AI를 사용하여 두부 CT를 선별하고 방사선 전문의에게 경고하면 처리 시간을 크게 단축할 수 있다는 연구 결과가 이를 뒷받침합니다(한 연구에 따르면 처리 시간 36% 단축 뇌출혈이 있는 응급실 환자를 위한 Aidoc의 인공지능(aidoc.com).
주요 요점: AI는 지칠 줄 모르는 파수꾼의 역할을 하며 중요한 발견을 더 빨리 포착하고 치료를 신속하게 처리합니다.
탐지 및 진단 지원: AI는 환자 분류를 넘어 “제2의 눈” 역할을 합니다. 최신 알고리즘은 CT 스캔에서 미세한 폐 결절을 강조하고, 두개강 내 동맥류를 조기에 발견하거나, MRI에서 심장 기능을 정량화할 수 있습니다. 구형 CAD로 인해 오경보가 너무 많이 발생했던 유방조영술에서도 새로운 AI 시스템이 그 가치를 입증하고 있습니다. 실제로 유럽에서 진행된 전향적 시험에 따르면 이중 판독 검사 프로그램에서 두 명의 방사선 전문의 중 한 명을 AI로 대체하면 검사 정확도를 유지하거나 약간만 개선할 수 있는 것으로 나타났습니다. 암 발견율 증가 업무량을 줄입니다. 또한 일상적인 진료에서 AI는 영상에서 종양이나 장기의 윤곽을 파악하여 지루한 측정(병변의 부피 분석 또는 장기 경계 표시 등)을 대신하므로 방사선 전문의는 판독에 집중할 수 있습니다. 중요한 것은 이러한 도구가 “증강 지능” - 자율적으로 진단하기보다는 보조하는 역할을 합니다. 영상의학과 전문의는 AI의 제안을 검증하거나 무시하는 등 여전히 통제권을 유지합니다. 주요 요점: 최신 AI는 건초 더미에서 바늘을 찾는 것과 같은 특정 작업에 탁월하므로 임상의는 큰 그림에 더 집중할 수 있습니다.
워크플로 자동화: 일부 AI 애플리케이션은 “일상적'이면서도 중요한 워크플로 단계를 대상으로 합니다. 예를 들어 자연어 처리(NLP) 도구는 구조화된 결과에서 방사선 보고서 초안을 자동으로 생성할 수 있습니다. 수백만 건의 과거 방사선 보고서로 학습된 이러한 AI 모델은 이상 소견 목록을 일관된 인상 문단으로 변환할 수 있습니다. 예를 들어 ”동맥 강화 및 유실을 동반한 다수의 간 병변“이라고 입력하면 AI가 ”간 전이와 일치하는 소견“과 같은 템플릿화된 결론을 제시할 수 있습니다. 여전히 제가 검토하고 편집하지만 타이핑을 절약하고 일관성을 유지할 수 있습니다. 마찬가지로, AI 기반 음성 인식(현재 주변 AI로 진화 중인 Nuance의 유명한 Dragon과 같은)은 수년 동안 많은 영상의학 전문의가 다음과 같은 작업을 수행할 수 있게 해줍니다. 실시간 보고서 지시. 다음 단계는 앰비언트 AI 서기진료실 대화나 받아쓰기를 듣고 구조화된 문서를 자동으로 생성하는 시스템입니다. 이는 이미 파일럿 프로그램에서 사용되고 있습니다(예: Nuance의 DAX(드래곤 앰비언트 익스피리언스) 가 병원에 도입되어 의사들의 노트 필기 업무를 덜어주고 있습니다. 수십 개의 의료 시스템에서 타이핑으로 인한 의사의 피로를 줄이기 위해 EHR과 통합된 이러한 도구를 출시하고 있습니다.
주요 요점: 사람이 환자에게 집중할 수 있도록 서류 작업과 사무 업무를 처리하는 임상 워크플로우에서 AI는 점점 더 뒷전으로 밀려나기 시작했습니다.
이미지 향상 및 효율성: 흥미롭게도 가장 널리 사용되는 방사선과 AI는 다음과 같습니다. 보지 않음 - 더 빠르고 선명한 이미지를 만들기 위해 보이지 않는 곳에서 작동합니다. 이제 AI 기반 이미지 재구성 알고리즘을 통해 간격을 메우거나 노이즈를 줄임으로써 MRI 및 CT 스캔을 단시간에 완료할 수 있습니다. 예를 들어, AI 기반 MRI 시퀀스는 스캔 시간을 크게 단축하여 진단 이미지를 생성할 수 있습니다. 방사선 전문의는 더 많은 처리량과 때로는 더 선명한 이미지를 얻을 수 있다는 이점이 있지만, 아이러니하게도 스캔 속도가 빨라지면 다음과 같은 이점이 있습니다. 업무량 증가 읽어야 할 연구 결과가 넘쳐나기 때문입니다. (한 동료의 말처럼 “좋아요, 이제 20%의 환자를 더 스캔할 수 있는데... 그 추가 검사를 누가 읽을까요?”) 그래도 빠른 이미징은 환자 진료에 도움이 됩니다.
주요 요점: AI는 영상의학과 전문의가 조금 더 빨리 판독해야 하는 경우에도 스캔 시간을 단축하고 방사선량을 줄이는 등 이미징 프로세스 자체를 터보차저로 가속화하고 있습니다.

무엇 거의 준비됨: 떠오르는 AI의 지평선

빠르게 진화하는 이 분야에서 일부 AI 기술은 광범위한 임상 도입을 목전에 두고 있습니다. 아직 실제로 보편화되지는 않았지만 입소문과 초기 증거를 만들어내고 있습니다:

의학 분야의 생성 AI와 ChatGPT: GPT-4 및 이와 유사한 대규모 언어 모델(LLM)에 대한 과대 광고가 의료 분야로 확산되고 있으며, 그럴 만한 이유가 있습니다. 이러한 모델은 잠재적으로 방대한 양의 텍스트 데이터 합성 를 사용하여 자연어로 대화할 수 있습니다. 단기적인 응용 분야 중 하나는 LLM을 사용하여 다음과 같은 작업을 수행하는 것입니다. 환자 기록 요약 또는 임상의를 위한 영상 소견을 제공합니다. 예를 들어, EHR에 통합된 LLM은 환자의 병력, 검사 결과, 방사선 보고서를 종합하여 간결한 임상 요약을 작성하거나 환자 포털 메시지에 대한 초안 응답을 작성할 수 있습니다. 에픽 시스템(주요 EHR 공급업체)은 주요 의료 시스템에서 이러한 GPT-4 기반 기능을 시범 운영해 왔습니다. 마찬가지로 영상의학 분야에서도 미래의 AI가 영상 검사의 관찰 결과를 읽고 1차 보고서 인상을 자동 생성한 다음 영상의학과 전문의가 이를 수정하는 것은 그리 어려운 일이 아닙니다. 초기 프로토타입에 따르면 GPT 스타일 모델은 보고서의 결과 섹션에서 상당히 정확한 방사선 인상 초안을 작성할 수 있으며, 이는 기본적으로 초고도 자동 채우기처럼 작동합니다. 하지만, 주의 생성형 AI는 때때로 정보를 조작(악명 높은 “환각”)할 수 있으므로 모든 결과물은 사람이 신중하게 검증해야 합니다. 저희는 이러한 도구에 대해 기대가 크지만, 이러한 도구의 제안을 최종 결정이 아닌 유용한 출발점으로 간주합니다.
주요 요점: 생성형 AI는 문서 작성과 정보 검색에 유용한 조력자가 될 것으로 기대되지만, 정직성을 유지하기 위한 관리 감독이 필요합니다.
통합 의사 결정 지원: 또 다른 유망한 분야는 다음과 같은 AI입니다. 여러 소스의 데이터를 통합합니다. - 영상, 실험실 결과, 유전체학, 임상 기록 등 진단 및 치료 결정을 지원합니다. 이 멀티모달 AI 접근 방식은 의사의 사고 방식을 모방하여 영상 소견과 환자 병력 및 임상 데이터의 상관관계를 파악합니다. 예를 들어, CT 스캔에서 폐 결절을 발견하고 환자의 위험 요소와 이전 연구에 액세스하여 악성 가능성 및 다음 단계(추적 관찰 간격 또는 조직 검사 권장)를 제안하는 AI를 상상해 보세요. 일부 시스템에서는 이미 이를 프로토타이핑하고 있습니다: 전자 의료 기록 데이터를 분석하는 AI 알고리즘은 어떤 중환자실 환자가 갑자기 상태가 악화될 위험이 있는지, 어떤 암 환자가 특정 치료에 반응할 수 있는지 등의 결과를 예측할 수 있습니다. 방사선과에서는 AI가 특정 패턴(예: 간 병변이 보일 때 암 병력)을 감지하면 관련 이전 스캔이나 임상 기록을 판독 뷰포트에 자동으로 가져와 전이와 양성 병변을 구분하는 데 도움을 주는 것을 상상할 수 있습니다. 이러한 종류의 스마트 어시스턴트는 다음과 같습니다. 거의 준비됨 - 기술적으로 실현 가능하고 기대가 높지만, 일반화되기 위해서는 엄격한 검증과 워크플로 통합이 필요합니다.
주요 요점: 차세대 AI는 이미지를 개별적으로 판독하는 데 그치지 않고 데이터를 결합하여 더욱 풍부하고 맥락에 맞는 가이드를 제공하는 등 임상적으로 더욱 능숙해질 것입니다.
다른 전문 분야에서의 AI 확장: 영상의학 분야에서 AI가 주도하고 있지만, 병리학(AI 기반 암세포 슬라이드 분석), 심장학(AI 심전도 해석 및 초음파 안내), 안과(당뇨망막병증 망막 이미지 분석) 등에서도 유사한 AI가 활용되고 있습니다. 예를 들어, 피부과에서는 피부경의 AI 앱이 점과 관련된 사항을 알려주고, 수술에서는 컴퓨터 비전이 실시간으로 해부학적 구조를 파악하는 데 도움을 줄 수 있습니다. 이러한 도구가 발전함에 따라 더 많은 교차 수분이 이루어질 것으로 예상됩니다. 방사선학 AI 공급업체들이 다른 영역으로 확장하고 있습니다., 로 변환할 수도 있고, 그 반대의 경우도 마찬가지입니다. 뇌 스캔에서 뇌졸중을 감지하는 알고리즘을 구축한 회사는 이를 실험실(병리학)에서 출혈을 감지하거나 수술 사진에서 이상 징후를 표시하는 데 적용할 수 있습니다. 이러한 융합은 여러 분야의 임상의가 최신 정보를 유지해야 한다는 것을 의미하며, 오늘 방사선과 의사를 돕는 AI가 내일 진료실에서 여러분을 도울 수도 있습니다.
주요 요점: AI의 적용 범위는 의료 서비스 전반으로 확대되고 있으며, 영상의학 분야의 성장통과 승리는 다른 분야로 나아가는 길을 열어주고 있습니다.
규정 및 워크플로 준비: AI가 거의 규제 당국과 전문 기관의 명확성이 높아지면서 더 폭넓게 채택될 준비가 되어 있습니다. FDA는 의료용 AI 도구를 꾸준히 승인해 왔으며(평가 가이드라인 포함), 미국 영상의학회와 같은 기관에서는 AI 레지스트리와 표준을 설정했습니다(예: ACR의 AI Central에서는 승인된 알고리즘을 추적합니다). 또한 상호운용성에 대한 움직임도 활발히 일어나고 있습니다. AI 결과물이 독립형 앱으로 존재하지 않고 PACS/EHR 시스템에 원활하게 통합될 수 있도록 보장하는 것입니다. 향후 예정된 표준(예: FHIR 업데이트 및 AI 결과를 위한 DICOM)은 임상 환경에서 AI를 플러그 앤 플레이할 수 있도록 하는 데 초점을 맞추고 있습니다. 통합이 더 원활해지면 별도의 소프트웨어를 실행하지 않고 워크플로우에서 체크박스를 클릭하는 것만으로 AI를 간편하게 사용할 수 있는 전환점을 맞이하게 될 것입니다. 아직 대규모 통합이 완전히 이루어지지는 않았지만 많은 병원에서 파일럿 통합을 실행하고 있습니다.
주요 요점: AI 도구가 황금기를 맞이할 때 안전하고 효율적으로 도입될 수 있도록 지금 그 기반(규제, 기술, 교육)을 마련하고 있습니다.

과장된 점(및 교훈)

모든 혁신적인 기술에는 과대광고가 따르기 마련이며, AI도 예외는 아닙니다. 저는 임상의로서 낙관론과 회의론의 균형을 유지하고 있습니다. 다음은 AI 의료 분야에서 입증된 몇 가지 이야기입니다. 과장되거나 시기상조인 경우, 를 통해 얻은 교훈을 소개합니다:

“AI가 의사를 대체할 것이다” - 그렇게 빠르지는 않습니다: 이것은 모든 과대 광고의 어머니였습니다. 2016년 힌튼의 발언이 들불처럼 퍼진 후 방사선 전문의들은 이러한 공포의 포스터 어린이가 되었습니다. 현실은 이렇습니다: AI는 방사선과 의사를 대체하지 못했습니다., 를 만들지도, 만들려고 하지도 않습니다. 대신 업무 방식을 재편하고 있습니다. 스탠퍼드의 AI 선구자인 커티스 랭글로츠는 이에 대해 이렇게 설명했습니다: “AI가 영상의학과 의사를 대체하지는 못하지만, AI를 사용하는 영상의학과 의사는 그렇지 않은 의사를 대체할 것입니다.”즉, AI를 도구로 받아들이는 것이 관련성을 유지하는 핵심이며, 이는 인간 대 기계의 제로섬 시나리오가 아닙니다. 지금까지의 현장 경험이 이를 증명합니다: AI는 다음을 수행할 수 있습니다. 향상 놓칠 수 있는 것을 잡아내고, 고된 작업에서 벗어나게 해주는 등의 기능은 향상되었지만 인간의 전문성, 감독, 공감 능력은 여전히 대체할 수 없습니다. 영상의학 AI는 영상의학과 전문의와 알고리즘 간의 파트너십을 통해 가장 잘 작동합니다. 2023년까지 자율 로봇 진단기를 기대했던 임상의들은 지나치게 낙관적이었음이 입증되었습니다.
주요 요점: 실제 사례는 대체가 아닌 증강이며, 인간과 AI가 협업할 때 최상의 결과가 나옵니다.
눈부신 실험실 성능과 실제 활용성 비교: 우리는 많은 AI 모델이 연구 연구에서는 초인적인 정확도를 자랑하지만 다양한 임상 환경에 적용했을 때 어려움을 겪는 것을 보아왔습니다. 대표적인 예가 바로 흉부 영상에서 코로나19 검출을 위한 AI 모델 팬데믹 초기. 논문에서는 엑스레이나 CT에서 코로나19 폐렴을 구별하는 정확도가 놀라울 정도로 높다고 주장했습니다. 그러나 면밀히 조사한 결과 방법론적 결함과 편견(일부 AI는 환자 위치나 병원별 인공물 같은 명백한 차이를 포착하지 못함)이 발견되었습니다. 한 리뷰에서는 코로나19 영상 AI에 대한 과대광고의 대부분이 “AI가 수행할 수 있는 작업을 과장하여 그 효과와 규모를 부풀리고... 인간의 개입 수준은 무시했다”고 지적했습니다. 실제로 초기의 “99% 정확도”의 코로나19 감지 AI 중 어느 것도 신뢰할 수 있는 임상 도구가 되지 못했으며, 과대광고는 현실을 지나쳤습니다. 이를 통해 우리는 AI의 일반화 가능성을 경계해야 한다는 교훈을 얻었습니다. 한 상황에서 훈련된 알고리즘은 인구와 장비 전반에 걸쳐 엄격하게 검증되지 않으면 다른 상황에서는 실패할 수 있습니다.
주요 요점: AI는 통제된 테스트에서는 우수한 성적을 거둘 수 있지만, 야생에서는 흔들릴 수 있다는 성능 역설에 주의해야 합니다. AI를 환자 치료에 신뢰하기 전에 실제 환경에서의 검증(그리고 지속적인 모니터링)이 필수적입니다.
과도한 약속을 하는 벤더와 “AI 워싱”: AI에 대한 관심이 급증함에 따라 일부 공급업체는 안타깝게도 제품을 과대 광고한 경우 눈에 띄기 위해. 마케팅 자료는 증거에 의해 완전히 뒷받침되지 않거나 심지어 FDA 허가를 받지 않은 기능을 선전할 수 있습니다. 2023년 분석에 따르면 8명 중 1명 승인된 이미징 AI 기기는 마케팅 주장과 실제 FDA에서 승인한 내용 사이에 차이가 있었으며, 일부 기기는 승인되지 않은 용도를 광고하거나 성능을 과장하기도 했습니다. 기존 소프트웨어에 유행어를 덧씌우는 이러한 “AI 워싱'은 임상의를 오도할 수 있습니다. IBM의 왓슨 포 온콜로지는 임상적 오라클로 선전되었지만 실제로는 의미 있는 지침을 제공하는 데 어려움을 겪었고, 이로 인해 여론의 뭇매를 맞고 회의론이 강화된 사례가 여기에 해당합니다. 임상의에게 주는 교훈은 분명합니다: 클레임을 면밀히 조사하고 독립적인 검증을 추구합니다.. 동료 검토 연구, FDA 제출 자료, 실제 사용자 피드백은 번지르르한 브로셔보다 더 신뢰할 수 있습니다. “AI 기반”이라고 표시된 모든 도구가 진정으로 최첨단이거나 효과적인 것은 아니며, 일부는 의사 결정 트리의 브랜드를 바꾼 것에 불과할 수도 있습니다.
주요 요점: 건강한 회의론을 유지하세요 - AI 솔루션에 대한 증거를 요구하고 데이터와 실제 사용자 경험이 이를 뒷받침할 때까지 과대 광고에 현혹되지 마세요.
함정: 편견과 윤리적 문제 또 다른 과장된 가정은 AI가 객관적이고 인간의 편견이 없을 것이라는 것이었습니다. 현실은 그렇지 않습니다, AI는 학습 데이터의 편향성을 상속받습니다.. 특정 환자 그룹(예: 소수자 또는 여성 또는 고령자)이 훈련 세트에서 과소 대표되거나 잘못 대표되는 경우, 해당 그룹에 대한 AI의 성능이 저하될 가능성이 높습니다. 예를 들어, 골절을 감지하는 알고리즘이 주로 젊은 성인의 이미지로 훈련된 경우 골다공증이 있는 고령 환자의 미세한 골절을 놓칠 수 있습니다. 이 분야의 리더들은 “환자의 아름다운 다양성을 반영하는 데이터 세트가 필요하다... 그렇지 않으면 [알고리즘이] 과소 대표되는 환자 집단에서 성능이 저하될 수 있다”는 경고를 제기했습니다. 이는 이론적인 문제만이 아닙니다. 연구에 따르면 이미지 알고리즘이 인종적으로 편향된 성능을 보인 사례도 있습니다. 윤리적 문제는 개인 정보 보호(훈련 데이터에는 종종 민감한 환자 정보가 포함되어 있음)와 설명 가능성 부족 일부 AI “블랙박스”의 문제점을 지적한 바 있습니다. 이러한 문제가 AI가 나쁘거나 파멸을 의미하는 것은 아니지만, 초기의 과대 광고에서 다소 간과되었던 문제입니다. 이제 이러한 문제는 당연히 전면에 부각되고 있습니다. 의료 AI 커뮤니티는 편향성 완화, 설명 가능한 AI, 강력한 거버넌스를 위해 적극적으로 노력하고 있습니다.
주요 요점: AI가 완벽하거나 본질적으로 중립적인 것은 아니며, 이러한 도구가 모든 환자에게 도움이 되고 해를 끼치지 않도록 하기 위해서는 신중한 설계, 다양한 교육, 윤리적 감독이 필요하다는 것을 알게 되었습니다.
과대 광고 주기 그 자체: 마지막으로, 다음과 같은 점을 인정할 가치가 있습니다. 과대 광고 주기 몇 년 전과 비교하면 영상의학 분야의 AI 열기는 다소 진정되었습니다. 초기의 비현실적인 기대는 의료 분야에 AI를 통합하는 것이 단거리 단거리 달리기가 아니라 마라톤이라는 보다 냉정한 인식으로 바뀌었습니다. 의료 분야의 AI는 hard높은 규제 기준을 충족하고, 복잡한 워크플로 내에서 작동하며, 의료 전문가의 신뢰를 얻어야 합니다. 일부 AI 스타트업은 이러한 과제를 빠르게 해결하지 못하고 사라지거나 방향을 전환하는 것을 보았습니다. 하지만 꾸준한 발전과 진정한 개선을 통해 낙관적인 전망을 유지할 수 있었습니다. 2016~2018년에 “의사보다 나은 AI!”와 같은 헤드라인으로 과대광고가 한창이었다면, 2020년대 초반에는 다음과 같은 것들이 있었습니다. 본격적인 구현 및 반복적인 개선. 좋은 소식은 환멸의 단계를 거치면서 일부 취약한 업체들이 걸러졌고, 남아 있는 AI 도구와 새롭게 등장하는 도구는 강력하고 검증되었으며 사용자 중심적일 가능성이 높다는 점입니다.
주요 요점: 이러한 열광은 집중적인 혁신으로 발전하여 과대광고는 절제되었지만 열정은 실제 성과로 정당화되고 있습니다.

의료 분야(특히 영상의학)의 주요 AI 플레이어: 간단한 비교

몇 가지 비교를 통해 상황을 파악할 수 있습니다. 화제의 AI 공급업체/도구 그리고 그것들이 어떻게 쌓이는지:

공급업체 / 도구	초점 및 주목할 만한 기능	장점	단점
Aidoc AI 분류 제품군	여러 소견(PE, 뇌졸중, 출혈 등)에 대한 상시 분류를 제공하는 방사선학 AI 플랫폼입니다. PACS/작업 목록과 통합됩니다.	- 모달리티 전반에 걸쳐 급성 소견을 폭넓게 다룹니다. - 처리 시간 단축이 입증되었습니다(예: 36% 더 빠른 ICH 알림). - 많은 알고리즘에 대해 지워짐; 백그라운드에서 지속적으로 활성화됩니다.	- 주로 응급/급성 사례에 중점을 둡니다(일상적인 읽기에는 영향이 적음). - 오탐 경보를 생성할 수 있으므로 방사선 전문의가 모든 플래그를 확인해야 합니다(경보 피로 위험). - 기존 IT와의 통합은 복잡할 수 있으며 IT 지원 및 워크플로 조정이 필요할 수 있습니다.
Viz.ai 스트로크 및 그 이상	초기에는 뇌졸중(CT 혈관 조영술에서 큰 혈관 폐색 감지, 뇌졸중 팀에 알림)을 위한 AI 기반 치료 조율. 폐색전증, 대동맥 박리 등으로 확장 중입니다.	- 알림 속도를 높여 뇌졸중 치료 시간 단축 입증(연구에 따르면 LVO 감지 후 알림까지 최대 44% 단축). - 내장된 커뮤니케이션: 신경과 전문의에게 자동으로 알림을 보내 팀 협업을 촉진합니다(“뇌졸중 알림을 위한 모바일 앱”). - 뇌졸중 네트워크에서 높은 임상 채택률, 강력한 결과 중심의 증거.	- 틈새 집중: 뇌졸중 센터에서는 탁월하지만 범위가 더 좁습니다(각 조건마다 별도의 모듈이 필요함). - 새로운 조건(PE 등)으로 확장하면 병원에 여러 계약/모듈이 필요할 수 있습니다. - 소규모 병원의 경우 비용이 상당할 수 있으며, 종합적인 신경중재팀이 있는 경우 그 혜택이 가장 클 수 있습니다.
루닛 INSIGHT CXR, Mammo AI	흉부 엑스레이 및 유방 촬영술 분야에서 최고 성능의 알고리즘으로 유명한 한국 공급업체. 결핵 검진 및 암 발견을 위해 전 세계에 배포되었습니다.	- 독립적인 연구에서 높은 정확도(예: 맘모 국제 AI 챌린지 우승). - 유방 촬영 사진에서 놓친 암과 흉부 엑스레이에서 결절을 발견하는 데 도움이 되는 것으로 임상적으로 입증되었습니다. - 대규모 공중 보건 프로그램(국가 프로그램의 결핵 검진)에 사용되어 확장성을 보여줍니다.	- 제한된 모달리티 초점(주로 X-레이, 유방 촬영). - 미국 시장 신규 진입 - 서양 PACS/EHR 워크플로와의 통합은 아직 개발 중입니다. - 모든 탐지 AI와 마찬가지로, 중요도가 불확실한 많은 결과(예: CXR의 오래된 흉터)를 표시할 수 있으므로 영상의학 전문의의 판단이 필요한 필터링이 필요합니다.
GE 헬스케어 중환자 치료 스위트, 에디슨 AI	이미징 하드웨어 및 소프트웨어에 AI를 통합하는 주요 OEM. 온디바이스 알고리즘(예: 엑스레이 기흉 감지) 및 다양한 AI 앱을 위한 Edison 플랫폼.	- GE 스캐너/PACS와의 원활한 통합 - AI 결과를 콘솔과 영상의학과 전문의의 뷰어에 즉시 표시할 수 있습니다. - 다양한 도구: 이미지 품질 개선, 자동화된 측정(예: 초음파 자동 라벨링), 분류 알림. - GE의 리소스와 지원으로 장기적으로 유지되고 업데이트될 가능성이 높습니다.	- GE 장비/생태계와 가장 잘 작동하는 경향이 있습니다(“벽으로 둘러싸인 정원” 우려). - 업그레이드 구현에 많은 비용이 소요되며 최신 GE 장비 또는 소프트웨어 라이선스를 구매해야 할 수 있습니다. - 다른 대형 OEM(지멘스, 필립스)과의 경쟁으로 인해 단일 표준이 없다는 것은 여러 장비가 혼재되어 있는 경우 여러 AI 솔루션을 통합하는 것이 어려울 수 있음을 의미합니다.
뉘앙스(Microsoft) 드래곤 앰비언트 익스피리언스(DAX)	임상의를 위한 앰비언트 AI 문서화 도우미. 의사-환자 간 대화를 듣고 자동으로 임상 노트를 생성합니다. (방사선과 전용은 아니지만 워크플로우에 영향을 미칩니다.)	- 문서 작업으로 인한 의사의 번아웃을 직접적으로 해결 - 의사가 타이핑을 하지 않아도 되므로 환자와 더 많은 시간을 보낼 수 있습니다. - 이제 제너레이티브 AI(GPT-4)를 통합하여 품질을 개선했습니다; 150개 이상의 건강 시스템 에픽 통합과 함께 배포될 예정입니다(빠른 도입을 보이고 있습니다). - 정확성이나 환자 경험에 영향을 주지 않으면서도 약간의 수정만 필요한 완전한 초안 메모를 작성할 수 있는 것으로 입증되었습니다.	- 아직 성숙 단계: 특히 복잡한 토론에서 뉘앙스를 놓치거나 임상의의 수정이 필요할 수 있습니다. - 개인정보 보호 및 동의 고려 사항(환자는 자신의 방문을 AI가 “청취'하는 것에 익숙해야 합니다). - 배포를 위한 재정적 비용과 IT 오버헤드, ROI는 실제로 얼마나 많은 시간을 절약할 수 있는지에 따라 달라집니다.
IBM 왓슨 헬스(메러티브) 왓슨 포 온콜로지(레거시)	한때 종양학 치료 추천을 위한 IBM의 인공지능(현재는 축소됨)이 크게 선전되었습니다. 최근에는 데이터 분석(Merative)에 집중하고 있습니다.	- 개인 맞춤형 치료를 위해 의학 문헌을 종합하는 야심찬 비전. - AI가 대중의 관심을 끌면서 경쟁업체들이 임상 AI에 투자하도록 자극했습니다. - 이미징 분야의 일부 지속적인 도구(IBM/Merative는 여전히 Merge Healthcare 포트폴리오를 통해 이미지 분석을 제공합니다).	- 과대 포장 및 과소 제공: 왓슨 포 온콜로지는 종종 결함이 있거나 유용하지 않은 조언을 제공하여 신뢰가 약화되는 결과를 초래했습니다. - 전략 전환: IBM이 왓슨 헬스를 매각하면서 “인공지능 의사'라는 원대한 비전은 보류되었습니다. - 주의할 점: 거대 기술 기업도 임상적 통합과 강력한 근거가 없으면 의료 서비스 분야에서 비틀거릴 수 있습니다.

(아이콘: ✔️ 및 ❌는 각각 장단점을 나타냅니다. 모든 정보는 2024~2025년 현재 문헌 및 제품 보고서를 기반으로 합니다.)

결론 결론: AI 시대의 정보에 기반한 열정

최첨단 기술과 환자 치료의 교차점에 서 있는 저는 조심스럽게 낙관적인 생각을 합니다. 임상 워크플로우에서 AI를 둘러싼 이야기는 다음과 같이 성숙해졌습니다. 두려운 (“인공지능이 내 일자리를 빼앗아 갈까요?”) 및 faddish (“AI가 하룻밤 사이에 모든 것을 해결해 줄 것입니다!”) 집중력 있는 증거 기반 열정. 제 열람실에 들어오는 새로운 알고리즘이나 기기가 있을 때마다 동료들이 궁금해하는 것과 같은 질문을 받습니다: 이것이 실제로 더 나은 의료 서비스를 제공하는 데 도움이 되나요? 시간이 절약되거나 정확도가 향상되나요? 위에서 설명한 많은 워크플로우 통합 AI 도구와 마찬가지로 정답이 '예'인 경우에는 기꺼이 이를 수용합니다. 정답이 불분명할 때는 신중하게 파일럿 테스트를 진행하며 주장을 검증합니다. 그리고 대답이 '아니오'일 때, 즉 도움이 되기보다는 과대광고에 불과한 제품일 때는 과감히 제쳐두는 것을 두려워하지 않습니다.

그 결론 AI가 의료 분야, 특히 방사선과처럼 집약적인 데이터를 다루는 분야에서 강력한 힘을 발휘하고 있다는 점입니다. AI는 우리의 범위를 확장하고(예: 더 많은 이미지를 더 빠르게 스크리닝), 정밀도를 높이고(놓칠 수 있는 것을 포착), 계속 학습하도록 도전하고 있습니다. 하지만 이것은 마술이 아니며 인간의 손길을 대체할 수 없습니다.. 제 진료실에서는 AI가 일부 지루한 작업(긴급한 결과 선별 및 이전 비교 자료 자동 가져오기 등)을 대신해 복잡한 의사 결정과 환자 커뮤니케이션에 더 많은 시간을 할애할 수 있게 되었습니다. 인간이 가장 잘하는 일.

AI에 대해 불안해하는 임상의에게 저는 정보를 얻고 낮은 수준의 환경에서 사용해 보라고 말하고 싶습니다. 강력한 도구이긴 하지만 전문가의 통제 하에 있는 또 하나의 도구일 뿐이라는 것을 알게 될 것입니다. 그리고 모든 곳에 AI를 도입하고 싶어하는 사람들에게는 다음과 같이 조언하고 싶습니다: 엄격하게 평가하고, 검증된 유용성과 안전성을 고집하세요. 우리는 환자에게 빚을 지고 있습니다.

결국 제가 선택한 내러티브는 다음 중 하나입니다. “정보에 입각한 열정” 저희는 초기의 실수(부정확성, 편견, 과장)로 인한 한계와 교훈을 인정하지만, 워크플로우를 더 원활하게 만들고 환자 치료를 개선한 실제 성공 사례도 축하합니다. 임상 워크플로우에서의 AI는 여러 측면에서 현실화되고 있으며, 아직 준비가 덜 된 부분에서는 임상의인 우리가 모든 단계를 안내하면서 빠르게 발전하고 있습니다. 그리고 이는 기대할 만한 일입니다. 주요 요점: 의료 분야에서 AI의 미래는 임상의를 대체하는 것이 아니라 우리의 역량을 확장하고 그 어느 때보다 효과적으로 의료 서비스를 제공할 수 있도록 도와주는 동반자로서 밝아 보입니다.

출처: 이 문서의 정보 및 주장은 미국 영상의학회의 AI 데이터베이스 보고서, 검진에서의 AI에 대한 동료 검토 연구, 다음과 같은 신뢰할 수 있는 매체의 뉴스 등 최근 연구, 규제 데이터 및 전문가 논평에 의해 뒷받침됩니다. 방사선학 비즈니스 그리고 STAT 업계 동향과 학술 센터 및 공급업체의 실제 사례 연구에 대한 정보를 제공합니다.