【 청년일보 】 최근 병원에서는 환자의 몸속을 촬영해 보여주는 X선, CT, MRI 같은 영상 검사가 하루에도 수백 건씩 이루어진다. 이런 영상검사는 질병 유무를 확인하거나 치료 경과를 살피는 데 필수적이지만, 방사선 노출 우려가 있고 의료진이 영상 한 장 한 장을 판독하는 데 시간과 노력이 상당하다.

특히 응급실처럼 뇌출혈이나 폐렴 같은 이상 소견을 급히 찾아내야 할 때는 소중한 몇 분이 환자의 생사를 가르기 때문에 정확도와 속도가 모두 중요하다.

이 과제를 해결하기 위해 최근에는 인공지능(AI) 기술을 영상의학에 접목하려는 시도가 늘어나고 있다.

AI는 사람 눈으로는 구분하기 어려운 미세한 화질 차이를 감지하고, 과거 사례를 학습해 비슷한 모양의 병변 유무를 예측하기 때문에 의료진이 놓치기 쉬운 작은 이상까지 조기에 찾아내는 데 도움을 준다. 동시에 AI를 통해 이미지 재구성 과정을 최적화하면, 같은 화질을 유지하면서도 더 적은 방사선으로 촬영하거나 촬영 횟수를 줄여 환자의 안전성을 높일 수 있다.

최근에는 AI가 스스로 판독 근거를 시각적으로 제시해 ‘왜 이 지점이 의심스러운지’를 이해하기 쉽게 설명해 주는 연구도 진행되며, 의료진과의 협업 신뢰도를 높이고 있다.

올해 'Journal of Medical Internet Research'에 발표된 메타분석에서는 딥러닝 기반 재구성 기법이 CT 영상의 화질을 평균 0.70포인트(95% CI 0.43–0.96) 높이면서도 저선량 환경에서 안정적인 병변 검출을 가능하게 해 반복 촬영에 따른 방사선 피폭을 줄일 수 있음을 보여 주었다.

지난 2월 arXiv에 공개된 연구에서는 비조영(non contrast) 두부 CT 영상을 분석하는 대규모 Foundation Model이 뇌출혈, 중선 이탈, 뇌부종 등 16가지 신경외상 상태를 평균 AUC 0.861로 자동 탐지해 응급실 진단 시간을 획기적으로 단축할 수 있는 가능성을 제시했다.

미국 노스웨스턴 메디슨 병원 네트워크에서는 지난해 말부터 올해 초까지 AI 기반 판독 도구를 도입한 결과, 방사선영상 보고서 작성 시간이 평균 15.5% 줄었고 일부 의료진은 40% 이상의 생산성 향상을 경험했다. 딥러닝 재구성 기술은 최대 45% 이상 방사선량을 절감하는 효과도 보고되어 장기적으로 환자 누적 피폭 위험을 낮추는 데 기여할 것으로 기대된다.

하지만 AI가 임상 현장에 완전히 자리 잡기 위해서는 다양한 연령·인종 환자 데이터를 고르게 학습하고, 개인정보 보호 및 윤리·법적 책임을 명확히 하며, 의료진이 손쉽게 사용할 수 있는 워크플로우에 통합하는 작업이 선행돼야 한다.

AI는 사람을 대신하기보다 사람과 협력해 의료의 안전성과 효율성을 동시에 높이는 도구로 활용되어야 한다는 점이 중요하다.
 

【 청년서포터즈 8기 박상민 】