의료 영상은 진단의 핵심입니다. 엑스레이, CT, MRI 스캔은 신체 내부 상태에 대한 방대한 시각 데이터를 생성합니다.
예를 들어, 전 세계적으로 매년 35억 건 이상의 엑스레이 검사가 이루어지며, 병원에서는 페타바이트 단위의 영상 데이터를 생성합니다. 하지만 많은 영상이 분석되지 않고 있는데, 한 추정에 따르면 방사선학 데이터의 약 97%가 활용되지 않고 있습니다.
이러한 불일치는 방사선 전문의들의 과중한 업무에서 비롯됩니다. 인공지능(AI), 특히 딥러닝은 영상을 자동으로 “읽는” 데 도움을 줄 수 있습니다. 대규모 영상 데이터베이스로 학습된 합성곱 신경망은 미묘하거나 발견하기 어려운 질병 패턴(종양, 골절, 감염 등)을 인식하는 법을 배웁니다. 실제로 AI는 의심 부위를 강조 표시하고 이상 징후를 정량화하며 질병을 예측하기도 합니다.
현재 규제 기관은 이미 수백 개의 영상용 AI 도구를 승인했으며, FDA는 2025년까지 800개 이상의 방사선 알고리즘을 목록에 올렸습니다. 이는 AI가 의사를 대체하기보다 지원하는 방향으로 엑스레이, CT, MRI에 통합되고 있음을 보여줍니다.
엑스레이 영상에서의 AI 향상
엑스레이는 가장 흔한 진단 영상으로 빠르고 저렴하며 널리 이용됩니다. 폐 질환(폐렴, 결핵, COVID-19), 골절, 치과 문제 등 진단에 사용됩니다.
하지만 엑스레이 판독은 경험이 필요하며, 많은 곳에서 방사선 전문의가 부족합니다. AI가 부담을 덜어줄 수 있습니다.
예를 들어, 유명한 CheXNet과 같은 딥러닝 모델은 수십만 건의 흉부 엑스레이로 학습되었습니다. CheXNet(121층 CNN)은 흉부 엑스레이에서 폐렴을 현직 의사보다 높은 정확도로 감지합니다. 정형외과에서는 AI 기반 엑스레이 분석이 바쁜 진료 환경에서 놓치기 쉬운 미세 골절선을 자동으로 식별할 수 있습니다.
- 주요 엑스레이 AI 작업: 폐 질환(폐렴, 결핵, 암), 기흉 및 체액 감지; 골절 또는 탈구 발견; COVID-19 및 기타 감염 선별. AI 도구는 이러한 소견을 즉시 표시하여 긴급 사례 우선순위 지정에 도움을 줍니다.
- 임상 결과: 일부 연구에서는 AI가 방사선 전문의와 동등한 성능을 보였습니다. 예를 들어, CheXNet은 폐렴 사례에서 평균 의사 정확도를 능가했습니다.
하지만 실제 병원 테스트에서는 한 대규모 연구가 방사선 전문의가 여전히 흉부 엑스레이 판독에서 AI보다 높은 정확도를 보였음을 밝혔습니다. AI 도구는 다양한 소견에 대해 72~95%의 높은 민감도를 보였지만 의사보다 오경보가 더 많았습니다.
요약하면, AI는 엑스레이를 신뢰성 있게 사전 선별하고 문제점을 강조할 수 있지만 최종 진단은 여전히 인간의 판단에 의존합니다. 한 방사선학 뉴스 요약은 AI가 아직 엑스레이 완전 자율 진단자가 아니라고 경고합니다.
CT 스캔에서의 AI 혁신
CT(컴퓨터 단층촬영)는 신체의 상세한 단면 영상을 생성하며 암, 뇌졸중, 외상 등 다양한 진단에 필수적입니다. AI는 CT 스캔에서 큰 가능성을 보여주고 있습니다:
- 폐암: 최근 AI 모델은 CT에서 폐종양을 전문가 방사선 전문의와 거의 동등한 수준으로 감지하고 분할합니다. 2025년 연구에서는 1,500건 이상의 CT 스캔 데이터로 학습한 3D U-Net 신경망을 사용해 폐종양을 식별했습니다.
이 모델은 종양 감지에서 92% 민감도와 82% 특이도를 달성했으며, 분할 정확도는 의사와 거의 비슷했습니다(Dice 점수 약 0.77 대 0.80). AI는 종양 분할 속도를 크게 높였습니다. - 뇌출혈: 응급의학에서 AI는 신속한 뇌졸중 치료를 돕습니다. 예를 들어, 상용 AIDOC 알고리즘은 두부 CT에서 두개내 출혈을 감지합니다. 연구에 따르면 AIDOC은 뇌출혈 감지에서 약 84~99% 민감도와 93~99% 특이도를 보입니다.
이를 통해 의사는 몇 초 만에 치명적인 출혈을 인지할 수 있습니다. - 기타 CT 활용: AI는 COVID-19 폐렴 패턴 식별을 위한 흉부 CT, 칼슘 점수를 위한 CT 혈관조영술, 간 병변이나 신장 결석 감지를 위한 복부 CT에도 적용됩니다.
폐암 예시에서 AI 지원 CT는 종양 부피를 정확히 측정해 치료 계획과 추적 관리를 개선할 수 있습니다.
CT의 장점: AI는 결절 탐색 등 반복적 작업을 자동화하고 일관성을 높이며 분류 작업을 지원합니다. 외상에서는 골절이나 장기 손상을 강조 표시할 수 있습니다.
현재 많은 AI 도구가 흉부 및 두부 CT 판독을 돕도록 승인되었습니다. 예를 들어, CMS와 같은 기관은 일부 AI 판독(예: 폐 CT에서 관상동맥 플라크 점수 산정)에 대해 보험 급여를 시작했습니다.
MRI 영상에서의 AI 발전
MRI는 뇌, 척추, 관절, 장기 등 연조직의 고대비 영상을 제공합니다. AI는 MRI를 더 빠르고 똑똑하게 만듭니다:
- 빠른 스캔: 전통적으로 고품질 MRI는 시간이 오래 걸려 대기 시간과 환자 불편이 큽니다. 새로운 AI 기반 재구성 알고리즘(딥러닝 재구성, DLR)은 누락된 데이터를 예측해 스캔 시간을 획기적으로 단축합니다.
전문가들은 DLR이 MRI를 “초고속”으로 만들 수 있으며 모든 스캐너에 보편화될 것이라 전망합니다. 예를 들어, 영국 연구진과 GE 헬스케어는 AI를 활용해 저가형 저자장 MRI로 기존 고자장 MRI와 견줄 만한 영상을 만들어 MRI 접근성을 높이고 환자 대기 시간을 줄였습니다. - 선명한 영상: AI는 영상 품질도 향상시킵니다. 노이즈와 선명한 영상의 차이를 학습해 DLR이 실시간으로 노이즈를 제거합니다.
이로 인해 환자가 움직여도 모션 아티팩트가 줄어들어 영상이 더 깨끗해집니다. 불안한 어린이나 외상 환자에게는 빠른 AI 스캔이 진정제 사용을 줄여줍니다. - 질병 감지: 임상 진단에서 AI는 MRI 분석에 탁월합니다. 예를 들어, 뇌 영상에서 AI 모델은 종양을 정확히 분할하고 분류합니다.
딥러닝은 3D MRI에서 종양 경계를 표시하고 크기를 정량화하며 영상만으로 종양 유전자형이나 등급을 예측하기도 합니다. 신경학에서는 뇌졸중, 다발성 경화증 병변, 기형을 빠르게 찾아냅니다. 근골격 MRI(관절, 척추)도 AI 덕분에 인대 파열이나 척추 디스크 문제를 수작업보다 빠르게 진단할 수 있습니다.
전반적으로 AI는 MRI를 더 빠르고 데이터가 풍부한 검사로 변화시키고 있습니다.
환자 스캔과 라벨링 데이터를 통합해 AI는 3D 측정을 가능하게 하여 맞춤형 치료 계획을 지원합니다. AI MRI를 실험하는 병원들은 작업 흐름이 원활해지고 해석의 일관성이 높아졌다고 보고합니다.
의료 영상에서 AI의 장점
AI는 엑스레이, CT, MRI 전반에 걸쳐 여러 이점을 제공합니다:
- 속도 및 효율성: AI 알고리즘은 영상을 몇 초 만에 분석합니다. 폐 혼탁, 뇌졸중, 골절 등 긴급 소견을 표시해 의사가 치료 우선순위를 정할 수 있게 돕습니다.
폐종양 CT 연구에서 AI는 수작업보다 훨씬 빠르게 종양을 분할했습니다. 특히 MRI에서 빠른 영상 촬영은 환자 처리량 증가와 대기 시간 단축으로 이어집니다. - 정확성 및 일관성: 잘 훈련된 AI는 특정 작업에서 인간 정확도와 맞먹거나 능가할 수 있습니다. CheXNet(폐렴 감지) 등 모델은 평균 방사선 전문의보다 높은 민감도를 보였습니다.
AI는 관찰자 간 변동성을 없애 동일 소견을 매번 일관되게 표시합니다. 이러한 정량적 정밀도(예: 정확한 종양 부피)는 모니터링에 유용합니다. - 전문성 확장: 방사선 전문의가 부족한 지역에서 AI는 전문가 조수 역할을 합니다. 흉부 엑스레이 AI는 원격 진료소에서 결핵이나 폐렴 의심을 표시해 진단 접근성을 넓힙니다.
스탠포드 CheXNet 팀은 전문가 수준 자동화가 의료 사각지대에 영상 진단 통찰을 제공할 수 있다고 언급합니다. - 정량적 통찰: AI는 숨겨진 패턴을 추출할 수 있습니다. 예를 들어 MRI에서 일부 AI 모델은 영상 특징만으로 종양의 유전자 변이나 환자 예후를 예측합니다.
영상 분석과 환자 데이터를 결합하면 조기 질병 위험 예측도 가능해집니다.
이러한 장점 덕분에 수천 개 병원이 영상 플랫폼에서 AI 도구를 시범 운영하고 있습니다.
과제 및 고려사항
유망하지만 영상 AI에는 다음과 같은 주의점이 있습니다:
- 성능 변동성: AI 모델은 모든 환경에 일반화되지 않을 수 있습니다. 일부 도구는 특정 병원에서 잘 작동하지만 다른 곳에서는 성능이 떨어집니다.
예를 들어, 한 연구에서는 일부 방사선 전문의는 AI 도움으로 개선되었으나, 다른 전문의는 AI 사용 시 오류가 더 많아졌다고 보고했습니다. AI 민감도는 높지만 오경보(거짓 경고)가 문제될 수 있어 임상의가 AI 제안을 반드시 검증해야 합니다. - 전문성 필요: 방사선 전문의는 여전히 필수적입니다. 현재 지침은 AI를 보조 도구로 강조하며 대체가 아님을 명확히 합니다.
인간 감독은 미묘한 차이와 임상 맥락을 고려하게 하며, AI 결과를 신뢰하고 도전하는 교육이 필요합니다. - 데이터 및 편향: AI는 학습 데이터 품질에 좌우됩니다. 영상 데이터셋은 크고 다양해야 합니다.
데이터 품질 저하, 특정 인구 과대표집, 아티팩트는 AI 성능을 왜곡할 수 있습니다. AI를 견고하고 공정하게 만들기 위한 지속적 연구가 필요합니다. - 규제 및 비용: 많은 AI 도구가 승인되었지만 실제 도입은 비용과 작업 흐름 변화를 요구합니다.
급여 모델은 초기 단계이며(예: CMS가 일부 AI 기반 CT 분석을 보상), 병원은 소프트웨어, 하드웨어, 교육 비용을 고려해야 합니다. - 개인정보 보호 및 보안: AI 사용은 환자 데이터를 포함합니다. 엄격한 보호 조치(암호화, 익명화)가 필수입니다.
AI 시스템이 네트워크에 연결될 때 사이버 보안도 매우 중요합니다.
이러한 과제에도 불구하고 전문가들은 맞춤형 통합을 강조합니다. 하버드 보고서에 따르면 AI 지원 작업 흐름을 신중히 설계하면 인간 성능을 향상시킬 수 있습니다.
실제로 AI의 속도와 임상의 판단을 결합하는 것이 최상의 결과를 만듭니다.
전망
의료 영상 분야의 AI는 빠르게 발전하고 있습니다. 선도 기업과 연구 그룹이 알고리즘을 지속 개선 중입니다.
예를 들어, 다양한 의료 데이터를 학습한 “기반 모델”(foundation models)은 곧 더 광범위한 진단 기능을 제공할 것으로 기대됩니다. 전체 장기 분할, 다중 질병 선별 등 더 많은 작업이 자동화될 전망입니다.
국제적으로는 저자원 지역의 결핵 선별 등 공중보건을 위한 AI 활용 협력 프로젝트가 진행 중입니다. 영국 NHS와 같은 국가 보건 서비스는 비용 절감을 위해 AI 대응 스캐너에 투자하고 있습니다.
시간이 지나면서 AI 지원 영상은 응급 상황 신속 분류, 폐암 AI 선별, 몇 초 만에 완료되는 MRI 검사 등 표준이 될 것입니다.
>>> 자세히 알아보기: AI가 영상에서 조기 암을 감지합니다
요약하면, AI는 엑스레이, CT, MRI를 통한 질병 진단에서 정확도, 속도, 접근성을 향상시켜 지원합니다.
방사선 전문의가 최종 진단을 내리지만 AI 도구는 더 많은 정보를 더 빠르게 볼 수 있게 돕습니다. 기술이 성숙함에 따라 AI는 영상 진단에서 필수적인 동반자가 되어 전 세계 환자 치료를 개선할 것입니다.
