딥러닝·라디오믹스로 영상 판독 성능을 향상시키는 연구

Improving Imaging Interpretation with Deep Learning and Radiomics

연구 내용

딥러닝과 라디오믹스 기반 모델을 개발·검증하여 갑상선 결절 진단과 두경부암 국소 재발 예측의 판별 성능을 개선하는 연구

영상의학 판독의 재현성과 진단 정확도를 높이기 위해 딥러닝 및 방사선영상 특성 기반 모델링을 수행합니다. 갑상선 영역에서는 대규모 영상 데이터를 사용해 결절 진단을 보조하는 AI 모델을 다기관 환경에서 학습·검증하고, 판독자 숙련도 차이에 따른 의사결정 변화를 평가합니다. 동시에 초음파의 사전 정의된 임상·영상 특징을 기반으로 세밀한 위험도 분류 시스템을 구축하여 세포검사 기반 의사결정에 연결합니다. 두경부 영역에서는 확산강조 MRI의 ADC 지도에서 라디오믹스 특징을 추출하고, 내·외부 검증을 통해 국소 재발 진단 성능을 비교하는 방식으로 모델 신뢰성을 확보합니다.

관련 프로젝트

0건

연구 흐름

초기에는 갑상선 결절 진단에서 AI 기반 보조가 임상 워크플로에 어떻게 통합될 수 있는지에 초점을 두고, 다기관 영상 데이터로 딥러닝 모델을 학습하고 성능을 검증했습니다. 이후 숙련도 차이에 따른 판독 개선 효과를 시뮬레이션 시나리오로 평가하여 임상적 의미를 확장했습니다. 병행하여 초음파의 사전 정의 특징을 활용한 기계학습 기반 세밀 위험도 분류로 구조화된 분류체계를 개발했습니다. 마지막으로 두경부암 국소 재발 진단에서는 ADC 지도 기반 라디오믹스 모델을 구축하고 내·외부 검증으로 일반화 가능성을 확인하는 방향으로 연구를 심화했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

AI 보조 판독 시스템
갑상선 결절 진단 보조
판독자 숙련도 보정 도구
세밀 위험도 분류 자동화
초음파 특징 기반 악성 가능성 추정
두경부 국소 재발 조기 탐지
MRI ADC 라디오믹스 분석 파이프라인
다기관 데이터 기반 모델 검증 체계
영상-판독 일관성 향상
추적 검사 우선순위 결정 지원