시계열 복부 영상 판독문 분석을 위한 LLM 보조 종양 감시 연구

LLM-Assisted Oncological Surveillance from Serial Abdominal Radiology Reports

연구 내용

GPT-4 및 Gemini와 같은 Large Language Model을 활용해 시계열 복부 CT 판독문에서 종양 관련 이슈와 상태를 식별하는 연구

한나연 연구실은 복부 CT의 시계열 판독문에서 종양 관련 소견을 일관된 범주로 매칭하고, 종양 상태 변화를 임상적으로 의미 있는 형태로 재구성하는 LLM 보조 분석을 수행합니다. 판독문 기반 입력을 설계된 다단계 프롬프트로 처리하여 이전 보고와의 대응 소견을 정합화하고, 악성 의심 및 비기재 사례를 함께 구분합니다. 이를 통해 종양 감시에서 추가 확인이 필요한 이슈를 체계적으로 도출하는 데 집중하고 있습니다.

관련 프로젝트

1건

연구 흐름

초기에는 복부 CT에서 생산되는 시계열 판독문을 대상으로, LLM이 소견 간 대응 관계를 어떻게 추론하는지 평가하는 방법을 정립했습니다. 이후에는 종양 개선·안정·악화와 같은 상태 범주를 포함한 분류 체계를 마련하고, 판독문 분석 정확도를 높이기 위한 프롬프트 구성 방식을 고도화했습니다. 최근에는 시계열 감시 맥락에서 임상적으로 확인이 필요한 항목을 안정적으로 추출하는 방향으로 적용성을 확장하고 있습니다.

활용 가능성

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

시계열 종양 감시 자동 분류
판독문 기반 리스크 트리아지
추적관찰 누락 검출
종양 상태 변화 요약 생성
다기관 판독문 정합 파이프라인
대장암 검출 보조 AI 연계
임상 의사결정 지원 대시보드
전자의무기록(EHR) 구조화
사전 경고 규칙 자동 생성
LLM 평가용 표준 데이터 정규화