심장 자기공명영상(CMR)은 단일 검사 내에서 심장 형태, 심실 기능, 심근 조직 특성에 대한 포괄적인 평가를 제공한다. 동영상(cine) 촬영, 파라미터 매핑, 및 지연 조영 증강(late gadolinium enhancement, LGE)을 함께 사용하면 광범위한 심혈관 질환에 대해 상세한 표현형(phenotyping)을 가능하게 한다. 이러한 이점에도 불구하고, 많은 임상 환경에서 CMR의 일상적 적용은 여전히 제한적이다. 종종 전문가의 수동 분할 및 해석을 필요로 하는 긴 검사 시간과 노동 집약적인 후처리는, 특히 고처리량 임상 환경에서 더 넓은 도입을 가로막는 주요 장애물로 작용한다. 인공지능(AI)은 CMR 분석의 효율성, 표준화, 재현성을 향상시킴으로써 이러한 과제를 해결하기 위한 핵심 가능요소로 제안되어 왔다[1]. 지난 10년 동안 수많은 AI 기반 접근법이 분할, 정량화, 패턴 인식과 같은 과제에서 유망한 성능을 입증하였다. 그러나 알고리즘 개발에서 일상적인 임상 적용으로의 전환은 예상보다 느리게 진행되고 있다. 이러한 격차는 임상에서 성공적으로 적용되기 위한 현실을 반영한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.