창업 2년, 최상위 영상의학 저널에 논문 6편

전체 목록

연구별 결과

1. Diagnostic Accuracy and Clinical Value of a Domain-specific Multimodal Generative AI Model for Chest Radiograph Report Generation

   01원문 보기: Radiology · 2025 , DOI 링크 doi.org/10.1148/radiol.241476 (새 창)

   70.5%

   수정 없이 그대로 쓰인 AI 예비소견서

   연구 상세+

   AI가 만든 판독문의 70.5%가 수정 없이 그대로 쓰였습니다. 같은 평가에서 영상의학과 전문의 판독문은 73.3%, GPT-4V는 29.6%였습니다.

   정해진 시험 세트에서 진행한 후향적 평가입니다.

   연구 설계

   • 후향적
   • 42개 병원
   • 학습 8,838,719쌍
   • 시험 2,145건
   • 판독자 4명

   같은 연구의 비교값

   영상의학과 전문의 판독문

   73.3%

   GPT-4V 판독문

   29.6%

   결과 상세

   모델이 만든 판독문의 70.5%가 수정 없이 수용되었습니다. 같은 기준에서 영상의학과 전문의의 판독문은 73.3%, GPT-4V의 판독문은 29.6%였습니다. 모델이 만든 판독문은 전체 평가의 60.0%에서 가장 높은 순위를 받았습니다. 저자들은 이 모델이 예비 판독을 보조할 가능성을 보였다고 결론지었습니다.

   연구 한계

   정해진 시험 세트에서 진행한 후향적 평가입니다. 연구가 다룬 모델과 환경에 대한 근거이며, 모든 기관에서 같은 성능이 나온다는 증명은 아닙니다.

   논문 제목

   Diagnostic Accuracy and Clinical Value of a Domain-specific Multimodal Generative AI Model for Chest Radiograph Report Generation

2. Value of Using a Generative AI Model in Chest Radiography Reporting: A Reader Study

   02원문 보기: Radiology · 2025 , DOI 링크 doi.org/10.1148/radiol.241646 (새 창)

   19.8초

   AI 예비소견서를 참고했을 때 평균 판독 시간

   AI 없이34.2초

   AI 보조19.8초
   연구 상세+

   AI 판독문과 함께 읽자 평균 판독 시간이 34.2초에서 19.8초로 줄었고, 같은 연구에서 판독자 간 일치도와 판독문 품질도 함께 올랐습니다.

   공개 데이터셋을 사용한 후향적 순차 설계이며, 판독자 개인 간 편차가 있었습니다.

   연구 설계

   • 후향적 순차 다독자·다증례
   • 공개 데이터셋
   • 흉부 X선 758건
   • 판독자 5명

   같은 연구의 비교값

   같은 판독자, AI 예비소견서 없이

   34.2초

   결과 상세

   평균 판독 시간이 34.2초에서 19.8초로 바뀌었습니다. 일치도와 품질 점수는 통계적으로 개선되었고, 논문은 영상의학과 전문의 개인 간의 편차도 함께 기록했습니다.

   연구 한계

   공개 데이터셋을 사용한 후향적 순차 설계입니다. 관찰된 시간과 품질 변화를 모든 판독 업무 흐름으로 일반화할 수 없습니다.

   논문 제목

   Value of Using a Generative AI Model in Chest Radiography Reporting: A Reader Study

3. Clinical Validation of a Generative Artificial Intelligence Model for Chest Radiograph Reporting: A Multicohort Study

   03원문 보기: Radiology · 2025 , DOI 링크 doi.org/10.1148/radiol.250568 (새 창)

   88.4%

   AI 예비소견서의 임상 수용률 (표준 기준)

   연구 상세+

   중환자실·응급실·건강검진·외래를 아우른 평가에서 AI 판독문의 88.4%가 임상적으로 수용되었습니다. 같은 기준에서 영상의학과 전문의 판독문은 89.2%였고, 둘의 차이는 통계적으로 유의하지 않았습니다.

   표준 기준의 차이는 통계적으로 유의하지 않았고, 더 엄격한 수정 불필요 기준에서는 AI 판독문이 더 낮았습니다.

   연구 설계

   • 후향적 다코호트
   • 중환자실·응급실·건강검진·공개 외래
   • 흉부 X선 1,539건
   • 흉부영상 전공 판독자 7명

   같은 연구의 비교값

   영상의학과 전문의 판독문 · 표준 기준

   89.2%

   AI 예비소견서 · 수정 불필요 기준

   66.8%

   영상의학과 전문의 판독문 · 수정 불필요 기준

   75.7%

   결과 상세

   표준 기준의 수용 가능성은 AI 판독문과 영상의학과 전문의 판독문 사이에 통계적 차이가 없었습니다(88.4% 대 89.2%). 수정이 전혀 필요 없다는 더 엄격한 기준에서는 AI 판독문이 더 낮았습니다(66.8% 대 75.7%). 비교한 코호트에서 AI 판독문은 의뢰가 필요한 이상 소견에 대해 민감도가 더 높고 특이도가 더 낮았습니다.

   연구 한계

   많은 판독문이 소폭 수정을 필요로 했습니다. 설문에 참여한 영상의학과 전문의들은 생성된 판독문을 영상의학과 전문의가 직접 쓴 판독문의 대체물로 보지 않았습니다.

   논문 제목

   Clinical Validation of a Generative Artificial Intelligence Model for Chest Radiograph Reporting: A Multicohort Study

4. Multimodal Generative Artificial Intelligence Model for Creating Radiology Reports for Chest Radiographs in Patients Undergoing Tuberculosis Screening

   04원문 보기: AJR · 2025 , DOI 링크 doi.org/10.2214/AJR.25.33059 (새 창)

   95.2%

   AI 예비소견서의 결핵 관련 이상 민감도

   판독자 정확도 91.3% → 93.5% (AI 보조)

   AI 없이91.3%

   AI 보조93.5%
   연구 상세+

   결핵 검진 흉부 X선을 읽은 영상의학과 전문의 두 명 가운데 한 명은, AI 예비 판독문과 함께 읽었을 때 정확도가 통계적으로 유의하게 개선되었습니다.

   공개 결핵 검진 데이터셋 두 곳의 흉부 X선 800건을 대상으로 한 후향적 연구입니다.

   연구 설계

   • 후향적
   • 공개 결핵 검진 데이터셋 2곳
   • 흉부 X선 800건
   • 판독자 2명

   같은 연구의 비교값

   AI 판독문 단독의 정확도·병변 위치 지정

   두 판독자보다 낮았습니다

   결과 상세

   AI 판독문 단독의 정확도와 병변 위치 지정은 두 판독자보다 낮았습니다. 두 판독자 가운데 한 명은 AI 판독문과 함께 읽었을 때 정확도가 유의하게 개선되었습니다.

   연구 한계

   공개 결핵 검진 데이터셋 두 곳에서 모은 흉부 X선 800건을 판독자 두 명이 읽은 후향적 연구입니다. AI 판독문 단독의 정확도와 병변 위치 지정은 두 판독자보다 낮았습니다.

   논문 제목

   Multimodal Generative Artificial Intelligence Model for Creating Radiology Reports for Chest Radiographs in Patients Undergoing Tuberculosis Screening

5. Detection of Interstitial Lung Abnormalities on Chest Radiographs: Diagnostic Performance of Radiologists and Artificial Intelligence

   05원문 보기: AJR · 2026 , DOI 링크 doi.org/10.2214/AJR.26.34686 (새 창)

   AUC 0.92

   섬유성 ILA 검출 (CT 기준)

   흉부 영상의학 전문의 5명 평균 0.86

   연구 상세+

   간질성 폐 이상(ILA)은 흉부 X선에서 영상의학과 전문의에게도 찾기 어려운 소견입니다. 이 연구에서 AIRead-CXR은 전문의와 유사한 성능을 보였습니다.

   ILA는 영상의학과 전문의에게도 Chest X-ray에서 발견하기 어려운 소견입니다.

   연구 설계

   • 대상자 1,168명
   • CT 확인 간질성 폐 이상 41명
   • 기준검사 CT
   • 영상의학과 전문의와 AI 비교

   결과 상세

   Chest X-ray에서 발견하기 어려운 ILA를 대상으로 AIRead-CXR은 영상의학과 전문의와 유사한 성능을 보였습니다.

   연구 한계

   특정 주제를 다룬 연구입니다. AIRead-CXR 전반에 대한 검증으로도, 선별검사 적응증으로도 읽을 수 없습니다.

   논문 제목

   Detection of Interstitial Lung Abnormalities on Chest Radiographs: Diagnostic Performance of Radiologists and Artificial Intelligence

6. Comparative Evaluation of Generative AI Models for Chest Radiograph Report Generation in the Emergency Department

   06원문 보기: European Radiology · 2026 , DOI 링크 doi.org/10.1007/s00330-026-12648-8 (새 창)

   84.5%

   AI 예비소견서의 임상 수용률 (비교 VLM 4종 중 최고)

   연구 상세+

   같은 조건에서 함께 평가한 의료영상 VLM 다섯 가운데, AIRead가 임상 수용 가능성은 가장 높고 임상적으로 의미 있는 불일치는 가장 낮았습니다.

   단일 기관 후향적 연구이고, 모델에는 영상만 입력했습니다.

   연구 설계

   • 후향적
   • 단일 3차 의료기관 응급실
   • 환자 478명
   • 눈가림 판독자 3명
   • 영상 단독 입력
   • 같은 날 CT 참조

   같은 연구의 비교값

   영상의학과 의사 판독문

   74.3%

   함께 평가된 다른 VLM 네 종

   41.1–71.4%

   결과 상세

   평가한 VLM 다섯 종 가운데 AIRead가 임상적으로 유의한 불일치는 가장 적었고 임상 수용 가능성은 가장 높았습니다. 환각 비율은 영상의학과 의사 판독문과 통계적으로 다르지 않았습니다.

   연구 한계

   단일 기관 후향적 연구이고, 모델에는 영상만 입력했습니다. 환자 예후는 평가하지 않았고, 사람과 AI의 협업을 직접 평가하지도 않았습니다.

   논문 제목

   Comparative Evaluation of Generative AI Models for Chest Radiograph Report Generation in the Emergency Department