흉부 X-ray 기반 신생아 호흡기 질환 정밀 진단 AI 연구

AI-based Precision Diagnosis of Neonatal Respiratory Diseases Using Chest X-rays

연구 내용

신생아 흉부 X-ray와 인구학적 변수를 활용해 다중 질환을 자동 분류하고 임상 문맥을 반영한 정밀 진단 모델을 구축하는 연구

신생아 중환자실에서 호흡부전 평가를 위해 흉부 X-ray를 판독하는 임상 워크플로에 대응하여, 다중 클래스 분류용 딥러닝 모델을 학습하고 검증하는 연구를 수행합니다. ResNet 기반 구조에 비영상 임상 변수(재태기간, 출생체중 등)를 결합하여 질환별 자동 판별 성능을 확인합니다. 또한 Clinical-Context Gated Network를 적용해 질환 진단에 필요한 임상 문맥 정보를 채널 수준에서 반영하는 방식을 제안하고, 비침습 호흡보조 시작 지연과 폐 공기 누출의 연관성 분석 등 호흡기 중재의 위험 요인을 함께 검토하는 차별성을 갖습니다.

관련 프로젝트

1건

연구 흐름

초기에는 다기관 NICU 흉부 X-ray 영상과 임상 변수를 이용해 신생아 호흡기 질환의 자동 분류 모델을 구성하고, 의료진 라벨 검증을 바탕으로 모델 학습 체계를 확립하는 방향으로 연구가 진행되었습니다. 이후 2025년에는 모델 구조를 고도화하여 임상 문맥을 게이팅으로 결합하는 네트워크를 제안하며 정밀 진단 성능을 확장했습니다. 동시에 2022년 호흡보조 전략의 시점과 폐 공기 누출 위험 간의 관련성을 후향적으로 분석하여 영상 기반 진단을 임상 의사결정 맥락으로 연결하는 근거를 보강했습니다. 최근에는 2024년부터 X-ray 인공지능 알고리즘의 개발과 임상 검증을 위한 과제 수행으로 실사용 가능성을 점검하고 있습니다.

활용 가능성

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

다중 질환 자동 분류 소프트웨어
NICU triage 의사결정 지원
영상+임상 변수 융합 진단 도구
조기 호흡부전 위험도 스크리닝
호흡보조 전략 선택 보조
임상 문맥 반영 정밀 판독 모델
의료진 판독 보조용 2차 의견 시스템
병상 기반 원격 판독 워크플로
환자군 기반 맞춤 모니터링 설계
학습 데이터 품질 관리 체계