최근 딥러닝의 발전은 임상 예측을 위해 이질적인 데이터 양식을 통합할 수 있게 하였으며, 그 결과 환자 전자건강기록(EHRs)에 내재된 복잡한 정보를 활용하는 모델을 가능하게 하였다. 이러한 양식 중 흉부 엑스선 촬영영상(chest radiographs, CXRs)은 시각 정보를 제공함으로써 중환자실(ICU) 환자의 예후 결과 예측을 향상시킬 수 있는 풍부한 자료원이다. 그러나 다양한 CXR 표현 방식—원본 이미지 대 방사선 판독 보고서—의 예측 성능에 대한 비교적 영향이 체계적으로 조사되지 않았다. 이러한 비교는 가장 유익한 양식을 식별하고, 다른 데이터 원천과 어떻게 상호 보완되는지 이해하는 데 필수적이다. 본 연구는 ICU 환자에서 퇴원 후 30일 사망 예측을 위한 원본 CXRs와 방사선 판독 보고서의 예측적 유용성을 비교하였다. 우리는 환자 퇴원 메모를 사용하는 비전-언어 모델(Vision-Language Model, VLM)을 활용하였다. MIMIC-IV 데이터셋의 여과된 하위집합(n = 1,360)에서 퇴원 메모에 CXRs를 추가했을 때 최상의 성능(AUROC = 0.843)을 보였으며, 이는 퇴원 메모만 사용한 모델(AUROC = 0.816)과 방사선 판독 보고서를 추가한 모델(AUROC = 0.804) 모두를 상회하였다. 실험 결과, 원본 CXRs와 퇴원 메모를 결합한 모델이 방사선 판독 보고서를 추가한 모델보다 일관되게 더 우수한 성능을 나타냈다. 또한 방사선 전문의의 검토를 통해, 보고서가 종종 영상에서 관찰 가능한 임상적으로 관련 있는 소견을 누락하는 것으로 나타나, CXRs가 사망 위험에 대한 보다 풍부한 예후 신호를 전달함을 시사하였다. 이러한 결과는 임상 AI 시스템에서 양식 선택이 핵심적 역할을 수행함을 강조하며, 텍스트 요약은 다중양식 데이터의 대리(surrogate)로 사용할 때 주의가 필요하고, 예측에 결정적인 정보를 포착하지 못할 수 있음을 보여준다.

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