신생아 흉부 X-ray서 주요 흉추 자동 인식… AI 기반 해부학적 기준점 연구 발표

신생아 흉부 X-ray서 주요 흉추 자동 인식… AI 기반 해부학적 기준점 연구 발표

• T1·T7·T12 흉추 자동 탐지 정확도 90% 이상카테터·기관삽관 튜브 위치 평가 위한 해부학적 기준점 검출의 자동화국내 11개 대학병원 1만4천여 건 데이터 기반 다기관 검증
• 500편 임상 근거 축적… ‘표준 선점’이 프리미엄으로 이어지는 구조

의료 인공지능(AI)이 ‘질환 진단’ 단계를 넘어, 임상 판단의 기준을 정교화하는 방향으로 진화하고 있다.
신생아 중환자 진료 환경은 고도의 숙련과 반복적 판단이 요구되는 대표적인 고위험 의료 영역이다. 특히 흉부 X-ray를 통해 기관삽관 튜브나 혈관 카테터의 위치를 확인하는 과정은 의료진의 경험과 육안 판독에 크게 의존해 왔다.최근 의료 정책과 기술 환경은 이러한 ‘숙련도 기반 판단’을 데이터와 알고리즘으로 보완하는 방향으로 빠르게 이동하고 있다. 이번 연구는 그 흐름 속에서, 영상 판독의 기준이 되는 해부학적 위치를 AI로 자동 인식할 수 있는 가능성을 제시했다는 점에서 시의성을 갖는다.
 

고려대학교 안산병원 소아청소년과 최병민 교수 연구팀은 딥러닝 기반 nnU-Net 모델을 활용해 신생아 흉부 X-ray 영상에서 주요 기준점인 흉추 T1, T7, T12를 자동 분할·표시하는 시스템을 개발했다.

국내 11개 대학병원에서 수집한 약 1만4천여 장의 신생아 흉부 X-ray 영상을 학습·검증한 결과, 세 흉추 위치 모두에서 90% 이상의 식별 정확도를 보였다. 특히 다양한 촬영 환경과 신생아의 체격 차이에도 불구하고, 해부학적 구조를 안정적으로 포착해내는 높은 견고함을 입증하며 판독의 객관적 표준을 제시할 수 있는 기술적 안정성을 확인했다.이번 연구는 카테터나 튜브의 위치를 직접 판단하는 기술이 아니라, 그 위치 평가의 기준이 되는 해부학적 영역을 자동으로 정의하는 데 초점을 맞췄다.

기존 연구들이 기구 탐지에 집중했다면, 이번 연구는 영상 판독의 ‘기준점’을 자동화했다는 점에서 차별성이 있다. 이는 위치 평가의 해부학적 기준점 자동화 가능성을 제시했다는 점에서 학술적 의의를 갖는다.최근 전 세계적으로 의료 AI는 ‘정확도 경쟁’을 넘어 실제 임상 환경에서 반복적으로 활용 가능한 구조적 보완 기술로 진화하고 있다.
 

특히 신생아·소아 중환자 진료와 같이 환자군이 취약하고 판단 오차의 위험도가 높은 영역에서는, 의료진의 판단을 표준화·보조할 수 있는 기술적 기반 마련이 중요한 과제로 부상하고 있다.이번 연구는 AI가 직접적인 진단을 대체하는 단계가 아니라, 임상 판단의 기준을 정교화하고 객관화하는 도구로 활용될 수 있음을 보여주는 사례로 평가된다. 신생아 중환자 진료에서 영상 기반 판단의 표준화 논의가 확대되는 현 시점에서, 해부학적 기준점 자동화 기술은 향후 임상 적용을 검증하는 후속 연구의 기반이 될 수 있는 기술적 토대를 제시했다.
 

이번 연구에는 고려대학교 안산병원 소아청소년과 최병민 교수 연구팀, 코어라인소프트 유동훈 가치기획팀장과 윤희림 전임연구원 등이 참여했으며, 2022년 수행된 국가정보화전략(NIA) 과제로 성과를 냈다. 향후 연구진은 신생아중환자실에서 인공지능(AI) 기반 흉부 해부학 표준 기술을 활용해 고위험 신생아의 카테터와 튜브 삽입 위치를 정확히 평가할 계획이다. 또한 다양한 의료 장비와 촬영 환경에서도 일관된 성능을 유지할 수 있는지 검증하는 추가 연구를 진행할 예정이다. 의료 AI가 고위험·취약 환자군을 위한 ‘안전 인프라’로 자리 잡을 수 있을지에 대한 사회적 논의가 본격화되는 가운데, 이번 연구는 “AI는 어디까지 의료를 도울 수 있는가”라는 질문에 하나의 현실적인 답을 제시했다는 점에서 의미가 크다.
 

코어라인소프트는 임상 기준과 검진 운영 구조를 동시에 설계·적용해 온 선도 사업자로, 다기관 환경과 국가 검진 체계에서 축적된 데이터 일관성·판독 표준화·운영 경험을 기반으로 구조적 경쟁 우위를 확보하고 있다. 최근 발표한 AVIEW 기반 임상 연구·논문 500편 돌파는 단순 성과를 넘어, 다양한 국가와 기관에서 동일한 분석 기준이 반복 활용되며 사실상 표준으로 수렴되고 있음을 보여주는 지표다.

이는 의료 AI가 진단 보조를 넘어 예후 관리와 검진 운영 전반을 지원하는 인프라로 확장되고 있으며, 제도권 편입 이후 형성되는 락인 효과가 장기 성장의 핵심 동력으로 작용할 가능성을 시사한다. 업계에서는 이를 ‘제품 판매’에서 ‘운영 인프라 수익 모델’로의 전환 초기 국면으로 평가하며, 선제적으로 검진 체계에 편입된 기업에 구조적 프리미엄이 형성될 가능성에 주목하고 있다.

2026.04.27