인공지능, 의료 이미지 생성 모델 발전
고급 의료 이미지 데이터 부족 문제 해결
오늘날 많은 임상 및 연구 환경에서는 고품질의 의료 이미지 데이터 부족으로 인해 인공지능(AI)의 임상적 활용 가능성이 제한되고 있습니다. 특히 잘 알려지지 않은 질환, 대표성이 부족한 인구 및 새로운 영상 모달리티에서는 다양한 데이터셋 확보가 쉽지 않습니다.
MINIM 모델, 다양한 의료 이미지 생성
이 문제를 해결하기 위해, 다양한 장기의 의료 이미지를 여러 영상 모달리티에 따라 생성할 수 있는 텍스트 기반 의료 이미지 생성 모델 'MINIM'을 소개합니다. 임상 및 객관적 평가 결과, MINIM의 생성 이미지 품질은 높은 수준으로 검증되었습니다. MINIM은 미처 보지 못한 데이터 도메인에서도 강화된 생성 능력을 보이며, 범용 의료 AI(GMAI)로서의 잠재력을 보여줍니다.
임상적 응용 가능성 및 성능 향상
MINIM의 생성 이미지는 기존 데이터셋을 보완하여 진단, 보고서 생성 및 자가 지도 학습과 같은 다양한 의료 응용 분야의 성능을 향상시킵니다. 평균적으로 안과 관련 업무에 12%, 흉부에 15%, 뇌에 13%, 유방 관련 업무에 17%의 성능 향상을 보였습니다. MRI 이미지를 이용해 HER2 양성 유방암을 정확히 예측하는 등 임상 정책에서도 MINIM의 가능성을 보여주었습니다.
폐암 치료 효과 및 전망
실제 적용 사례로, 대규모의 과거 시뮬레이션 분석을 통해 MINIM은 폐암 컴퓨터단층촬영 이미지를 기반으로 EGFR 돌연변이를 정확히 식별하며, 이는 5년 생존율 개선까지도 이어질 수 있는 잠재성을 지니고 있습니다. 이러한 결과는 고무적이나, 더욱 다양한 환경에서의 검증과 정교화를 거치면 모델의 일반화 가능성과 강력함을 더욱 높일 수 있을 것입니다.
출처 : 원문 보러가기
