송봉일 교수는 PET/CT를 비롯한 다양한 분자영상 데이터를 정량적으로 분석하여, 질병의 진단 및 예후를 예측하는 라디오믹스(Radiomics) 모델을 개발하고 있습니다. 영상에서 추출된 수백 개의 특성(feature)을 머신러닝 및 통계적 분석 기법과 결합하여 종양의 악성도, 전이 가능성, 생존율, 미세혈관침윤 여부 등을 정밀하게 예측합니다. 대표 논문으로 European Journal of Nuclear Medicine and Molecular Imaging (2018) 에 발표된 간세포암 미세혈관침윤 예측 모델 연구와, Diagnostics (2024) 게재 간내 담관암 Radiomics 기반 예후 모델이 있습니다. Professor Bong-Il Song quantitatively analyzes various molecular imaging datasets, including PET/CT, to develop radiomics-based models for disease diagnosis and prognosis prediction. By combining hundreds of image-derived features with machine learning and statistical approaches, his research enables precise prediction of tumor aggressiveness, metastatic potential, survival outcomes, and microvascular invasion. Representative studies include the European Journal of Nuclear Medicine and Molecular Imaging (2018) publication on preoperative prediction of microvascular invasion in hepatocellular carcinoma, and the Diagnostics (2024) paper presenting a radiomics-based prognostic model for intrahepatic cholangiocarcinoma.

송봉일 교수는 의료영상과 임상데이터를 융합해 딥러닝 기반 예측·진단 모델을 임상 의사결정에 직접 적용하는 연구를 수행하고 있습니다. 영상 segmentation, 데이터 통합, 다중 모달 학습 등을 활용해 암의 림프절 전이·치료 반응·생존 예후를 예측하는 모델을 개발하며, 이를 스마트병원 시스템 및 자동 진단 플랫폼으로 확장하고 있습니다. 대표 논문으로 Breast Cancer (Tokyo, 2021) 의 AI 기반 유방암 림프절 전이 예측 연구, Cancers (Basel, 2025) 의 딥러닝 갑상선 결절 감별모델이 있으며, 보건복지부 스마트병원 선도모델 개발사업(2020–2021) 과제에서 임상 데이터 기반 AI 진단 지원 시스템 구축을 주도했습니다. This research integrates medical imaging and clinical data to build deep learning–based predictive and diagnostic models directly applicable to clinical decision-making. By employing automated segmentation, data fusion, and multimodal learning, the work focuses on predicting lymph node metastasis, treatment response, and survival outcomes in cancer patients. The goal is to extend these AI-driven models into smart hospital systems and automated diagnostic platforms that enhance precision and efficiency in clinical workflows. Representative publications include the Breast Cancer (Tokyo, 2021) study on AI-based prediction of axillary lymph node metastasis in breast cancer and the Cancers (Basel, 2025) paper presenting a deep learning–driven diagnostic model for thyroid nodules. Additionally, within the Smart Hospital Leading Model Development Project (Ministry of Health and Welfare, 2020–2021), an AI-powered clinical decision support system was developed to assist real-time diagnostic processes in hospital settings.

AI 의료영상 분석 기술을 기반으로 로봇 및 자동화 헬스케어 시스템과의 융합 연구를 수행하고 있습니다. 이 연구는 영상 인공지능 알고리즘을 의료로봇과 연동하여 진단·치료 보조, 수술 가이드, 자동화된 임상 의사결정 지원이 가능한 지능형 시스템을 구현하는 것을 목표로 하고 있습니다. 특히 2024년부터 진행 중인 로봇산업진흥원 대규모 융복합 로봇 실증사업(총 연구비 약 20억 원) 에서는 의료영상 기반 인공지능 알고리즘을 로봇 제어 및 진단보조 기능에 적용하는 실증 연구를 수행하고 있습니다. 이 프로젝트는 라디오믹스와 딥러닝 모델에서 도출된 예측 정보를 로봇의 자율 판단과 보조 기능으로 연계함으로써, AI 의료영상 기술의 산업화와 임상현장 실증을 동시에 실현하고 있습니다. This research is focused on integrating AI-based medical imaging analysis with robotic and automated healthcare systems. The goal is to develop intelligent systems that link medical imaging algorithms with robotic technologies to enable diagnostic assistance, surgical guidance, and automated clinical decision support. In the Large-Scale Convergence Robot Demonstration Project funded by the Korea Institute for Robot Industry Advancement (2024–2025, KRW 2 billion), AI models derived from radiomics and deep learning are being applied to robot control and diagnostic assistance functions. By connecting predictive information from AI imaging models to robotic decision-making and assistive operations, the project simultaneously promotes the industrial implementation and clinical validation of AI-driven medical imaging technologies.

다양한 암종(위암, 간암, 직장암, 유방암 등)에 대해 PET/CT 영상의 진단적 지표와 예후 예측 기준을 확립하는 연구를 수행하고 있습니다. 영상의 정량적 지표인 SUV(SUVmax, MTV, TLG 등)의 임상적 의미를 규명하고, 이를 바탕으로 암의 병기, 치료 반응, 생존 예후와의 상관관계를 분석하고 있습니다. 이러한 연구는 PET/CT의 정량화 및 표준화 프로토콜을 확립하여 영상 지표의 재현성과 임상 신뢰성을 높이는 것을 목표로 하고 있습니다. 대표 논문으로는 Scientific Reports (2021, 2022), Annals of Nuclear Medicine (2017, 2023), Korean Journal of Radiology (2020) 등이 있으며, 이는 AI 기반 라디오믹스 및 딥러닝 예측 연구의 임상적 타당성을 뒷받침하는 핵심 기반 연구로 평가되고 있습니다. Research is being conducted to establish diagnostic indicators and prognostic criteria of PET/CT imaging across various cancers, including gastric, hepatic, rectal, and breast cancers. The work focuses on defining the clinical significance of quantitative metrics such as SUV (SUVmax, MTV, and TLG) and analyzing their correlations with tumor staging, treatment response, and survival outcomes. By developing standardized PET/CT quantification and imaging protocols, this research aims to enhance reproducibility and clinical reliability of imaging biomarkers. Representative publications include Scientific Reports (2021, 2022), Annals of Nuclear Medicine (2017, 2023), and Korean Journal of Radiology (2020), which collectively serve as a clinical foundation supporting AI-based radiomics and deep learning prediction models.