인공지능 활용한 의학 이미지 생성의 가능성
의학적 인공지능(AI) 응용 프로그램의 발전을 저해하는 주요 원인 중 하나는 고품질 의료 이미지 데이터셋의 부족이다. 특히, 덜 알려진 질환이나 소외된 인구, 새로운 영상 기법의 경우 이러한 문제가 두드러진다. 이를 해결하기 위해 다양한 장기와 영상 기법을 기반으로 텍스트 지시에 따라 의료 이미지를 합성하는 통합 모델 'MINIM'이 소개되었다.
MINIM 모델의 성능과 활용 방향
MINIM은 임상의 평가와 엄격한 객관적 측정을 통해 합성 이미지의 높은 품질이 입증되었다. 이 모델은 새로운 데이터 도메인에서도 뛰어난 생성 능력을 보여주며, 일반적인 의료 AI(Generalist Medical AI)로의 가능성을 나타낸다. MINIM의 합성 이미지는 기존 데이터셋을 보완하여 진단, 보고서 생성, 자기 지도 학습(self-supervised learning) 등 다양한 의료 응용 분야에서 성능을 향상시키는 것으로 나타났다. 평균적으로 안과 관련 작업에서는 12%, 흉부는 15%, 두뇌는 13%, 유방 관련 작업에서는 17%의 성능 향상을 보였다.
HER2 양성 유방암 예측에서의 실질적 활용
MINIM은 MRI 이미지를 통해 HER2 양성 유방암을 정확하게 예측하는 데 있어 잠재적 임상적 유용성을 보였다. 또한, 과거 데이터를 활용한 시뮬레이션 실험을 통해 폐암 컴퓨터 단층촬영(CT) 이미지를 활용한 EGFR 변이 식별 능력을 입증했으며, 이는 5년 생존율 개선으로 이어질 수 있다. 이러한 초기 결과는 유망하지만, 더욱 다양한 환경에서의 추가 검증과 정교화 작업이 모델의 일반화와 강력성을 더욱 높일 것이다.
출처 : 원문 보러가기
