CHEST RADAR
CHEST IMAGING AI WEEKLYW 1500 · L −600

Chest Radar

№ 72026.10.31 (토)

KEYWORD · 실사용 근거

이미 찍고 있는 영상에서 정보를 더 얻거나 AI를 실제 진료 경로에 붙인 연구를 모았습니다. 폐암검진 CT의 자동 척추 골밀도, 검진 흉부 X선의 좌심실 기능저하 선별, 흉부 X선의 결핵 활동성 판정, CT 폐색전 AI 알림과 대응팀 연계를 다룹니다. 공통 질문은 측정된 연관이나 과정 개선이 환자 결과로 이어졌는지입니다.

수집 2026.10.17 – 10.30 (PubMed 등록일 기준)읽는 시간 약 10분

이번 호 요약

바로 참고

폐암검진 저선량 CT에서 자동으로 잰 척추 골밀도는 이후 2⁠년 추적 CT에서 확인한 신규 또는 악화된 척추골절(이하 신규⁠·⁠악화 척추골절) 위험을 가르는 표지로 쓸 수 있습니다. 골다공증 범주의 2⁠년 누적 발생은 5.9%(95% 신뢰구간 4.9–7.2%)⁠로 정상 범주 0.9%(0.7–1.2%)⁠보다 높았습니다.

주의해서 해석

골밀도와 사망의 연관은 보정 후 남성 골다공증군에서만 남았고(위험비 1.24, 95% 신뢰구간 1.02–1.50) 인과 관계가 아닙니다. 자동 측정과 치료가 골절이나 사망을 줄인다는 근거도 아닙니다. 흉부 X선 AI의 심초음파 최대 85% 감소와 폐색전 AI 경로의 비용 절감도 각각 선택된 집단의 추정, 모형 계산입니다.

향후 주목

AI를 진료 경로에 붙인 평가가 늘고 있습니다. 폐색전 AI 알림과 대응팀 연계에서 호출률과 처리 시간은 개선됐지만 30⁠일 사망과 재원기간 차이는 유의하지 않았습니다. 동시 대조군이나 단계적 도입 설계로 환자 결과를 확인하는 연구가 다음 질문입니다.

SERIES 01 · EDITOR'S PICK

이번 주 한 편

Radiology
2026
무작위시험(NLST) CT군의 2⁠차 관찰분석 · 출판사 무료 공개 전문(본문⁠·⁠표 1–4⁠·⁠그림 설명) 검토 · 보충자료(부록 S1, 표 S1–S6, 그림 S1–S2 설명) 검토 · 이해관계 공개 양식(ICMJE 9⁠부) 검토

폐암검진 CT 자동 골밀도, 골절 위험의 표지

Automated Opportunistic Bone Mineral Density Assessment at Low‑Dose CT Lung Cancer Screening: Incident Vertebral Fractures and Mortality.

미국 폐암검진 시험(NLST)⁠의 저선량 CT군 21,856⁠명에서 상용 자동 소프트웨어로 척추 부피 골밀도를 재고, 1⁠·⁠2⁠년 뒤 추적 CT에서 확인한 신규 또는 악화된 척추골절(이하 신규⁠·⁠악화 척추골절)⁠과 약 6⁠년 사망의 연관을 본 2⁠차 분석입니다. 골밀도가 낮을수록 2⁠년 신규⁠·⁠악화 척추골절이 많았고, 보정 후 사망 위험 증가는 남성 골다공증군에서만 남았습니다. 골밀도를 재고 치료하면 골절이나 사망이 준다는 근거는 아닙니다.

  • NLST CT군 26,722⁠명 중 척추 분할과 공변량이 갖춰진 21,856⁠명(평균 61⁠세, 남성 12,854⁠명)⁠을 분석했습니다. 골밀도 감소(80–120 mg/cm³)⁠는 9,809⁠명(44.9%), 골다공증(80 mg/cm³ 미만)⁠은 2,366⁠명(10.8%)⁠이었습니다.
  • 2⁠년 추적 CT를 받은 18,211⁠명에서 사망을 경쟁위험으로 둔 2⁠년 누적 신규⁠·⁠악화 척추골절 발생은 정상 0.9%(95% 신뢰구간 0.7–1.2%), 골밀도 감소 2.0%(1.7–2.4%), 골다공증 5.9%(4.9–7.2%)⁠였습니다.
  • 정상 대비 2⁠년 상대위험은 보정 전 골밀도 감소 2.89(95% 신뢰구간 2.38–3.52), 골다공증 7.37(5.96–9.12)⁠이었습니다. 인구학적 변수⁠·⁠동반질환⁠·⁠기저 척추골절을 보정한 초록의 값은 2.07(1.70–2.53), 3.40(2.69–4.30)⁠으로 줄었습니다. 보충 표 S3⁠의 같은 보정 모형 값은 2.01(1.66–2.44), 3.50(2.78–4.40)⁠으로 초록과 소수점 단위가 다르며, 차이의 이유는 원문에 없습니다.
  • 흉부 척추만 측정된 7,789⁠명과 요추까지 포함된 14,067⁠명으로 나눈 보충 분석(표 S4)⁠에서도 기저 골절까지 보정한 2⁠년 골다공증 범주 상대위험은 3.52(2.46–5.05)⁠와 4.17(3.05–5.68)⁠로 같은 방향이었습니다.
  • 6⁠년 추적을 마친 21,447⁠명(98.1%, 중앙 6.65⁠년) 중 1,525⁠명(7.1%)⁠이 사망했습니다. 완전 보정 모형에서 위험 증가가 남은 것은 남성 골다공증군뿐이었고(위험비 1.24, 95% 신뢰구간 1.02–1.50), 저자 산정으로 1,000⁠명당 9⁠명(1–19) 더 많은 사망에 해당합니다(보충 표 S5, 포아송 모형 상대위험 1.22, 1.01–1.47). 여성과 폐암 사망은 보정 후 연관이 남지 않았습니다.
  • 신규⁠·⁠악화 척추골절도 같은 소프트웨어가 추적 CT에서 판정했습니다. 골절 사례를 많이 담도록 고른 150⁠건(척추 1,931⁠개)⁠에서 영상의학과 전문의 2⁠명의 합의 판독과 비교한 일치도는 척추 단위 κ 0.79, 2⁠·⁠3⁠등급 골절 κ 0.88⁠이었습니다.

왜 중요한가이미 촬영하는 폐암검진 CT에서 추가 촬영 없이 골다공증 위험군을 표시할 수 있다는 점은 실무적으로 의미가 있습니다. 다만 이 연구가 보여 준 것은 골밀도와 이후 골절⁠·⁠사망의 연관입니다. PubMed 논문 유형에는 무작위시험이 붙어 있지만 무작위로 배정된 것은 CT와 흉부 X선 검진이었고, 골밀도 측정이나 그에 따른 치료 전략은 비교되지 않았습니다.

판독실에서검진 CT 판독문에 척추 골밀도 범주와 압박골절을 적는 것은 검토할 만합니다. 그러나 남성의 사망 연관을 근거로 사망 위험을 설명하거나, 골밀도 범주 하나만으로 약물치료를 권하면 안 됩니다. 흉부 CT는 요추를 일부만 포함해 T11⁠과 그 위 척추값은 회귀식으로 요추 환산값을 계산했고(보충 부록 S1), CT 부피 골밀도와 이중에너지 X선 흡수계측(DXA) 골밀도는 측정 대상이 달라 확진과 치료 결정은 기존 경로를 따라야 합니다.

한계저자는 골다공증군의 2⁠년 발생 5.9%⁠가 독일어권 지침의 약물치료 문턱(3⁠년 고관절⁠·⁠척추골절 위험 기준)⁠을 넘는다고 해석했지만, 이는 미국 고흡연자의 CT 형태학적 신규⁠·⁠악화 척추골절 2⁠년 발생을 다른 지침의 3⁠년 위험 문턱에 대입한 외삽입니다. 골밀도와 골절을 모두 같은 상용 소프트웨어(SpineQ, Bonescreen)⁠로 판정했고 분석용 영상 유래 자료를 해당 회사가 제공했습니다. 골 작용 약물 사용과 검진 사이 골다공증 진료 정보는 NLST에 없어 보정하지 못했고, 제외된 4,866⁠명은 체질량지수와 인종 분포가 달랐습니다. 본문의 성별 골다공증 인원(여성 1,053⁠명, 남성 1,460⁠명)⁠과 표 2(971⁠명, 1,395⁠명)⁠가 일치하지 않습니다. 본문에서 연구비 문구는 확인되지 않았습니다. 저자 이해관계 공개 양식(ICMJE 9⁠부)⁠에서는 이 연구에 쓰인 자동 골밀도 소프트웨어(SpineQ, Bonescreen)⁠와 관련해 저자 3⁠명이 이해관계를 밝혔습니다(공동창업, 주식, 무보수 라이선스⁠·⁠연구계약 각 1⁠명). 1⁠번 항목(이 연구에 대한 지원)⁠에 회사 지원을 적은 저자는 1⁠명입니다. Jung의 양식은 1⁠번이 미기재이고, 2⁠번은 None 체크와 독일연구재단(DFG) 연구비 기재가 함께 있어 서로 맞지 않습니다. 결과를 낮춰 볼 근거는 아니지만, 측정 도구 회사와 저자의 관계를 감안해 해석할 필요가 있습니다.

RESEARCH SEED

국내 폐암검진 저선량 CT 판독문에 자동 척추 골밀도 범주를 표시했을 때, 표시하지 않은 시기나 기관과 비교해 DXA 의뢰, 골다공증 치료 시작, 2⁠년 내 신규⁠·⁠악화 척추골절이 달라질까요?

SERIES 02 · CLINICAL AI

임상 AI 연구

Radiology. Artificial intelligence
2026
국내 후향 개발⁠·⁠시간적 검증⁠·⁠2⁠개 기관 외부검증 · 출판사 공개 원고 전문과 보충 부록(부록 S1–S5, 표 S1–S9 목록⁠·⁠주요 표) 검토 · 이해관계 양식 8⁠부 검토: NRF⁠·⁠분당서울대병원 연구비 2⁠명, 그 밖의 이해관계 0⁠건

흉부 X선 좌심실 기능저하 선별, 검진 양성은 19⁠명

Interpretable Deep Learning for Opportunistic Screening of Left Ventricular Dysfunction Screening Using Chest Radiographs.

같은 날 흉부 X선(정면)⁠과 심초음파를 받은 3⁠차 병원 환자 24,674⁠명으로 좌심실 박출률(LVEF) 저하를 찾는 딥러닝 모형(DLLV)⁠을 만들고, 같은 병원의 다른 해 코호트와 두 건강검진센터 코호트에서 시험했습니다. 검진 코호트의 AUC는 높았지만 LVEF 40% 이하 양성이 12⁠명과 7⁠명뿐이라 추정이 불안정합니다. 심초음파 최대 85% 감소는 이미 심초음파를 받은 사람만으로 계산한 추정입니다.

  • 개발 자료는 한 병원의 흉부 X선–심초음파 32,135⁠쌍(24,674⁠명)⁠이며 영상 단위 8:1:1 무작위 분할입니다. 내부 시험군은 학습⁠·⁠검증 환자와 겹치는 1,242⁠건을 빼고 환자당 1⁠건으로 1,937⁠명이었고, 학습군과 검증군 사이의 환자 중복은 남았다고 저자가 밝혔습니다.
  • 작동 문턱 0.20⁠은 내부 시험군에서 LVEF 40% 이하 민감도 90% 이상이 되도록 정해 외부군에 그대로 적용했습니다. 같은 병원 2015⁠년 코호트 5,440⁠명(LVEF 40% 이하 191⁠명, 3.5%)⁠의 AUC는 0.86(95% 신뢰구간 0.84–0.88)⁠이며, 이 코호트는 다른 기관이 아닌 시간적 검증군입니다.
  • 검진센터 B 28,034⁠명 중 LVEF 40% 이하는 12⁠명(0.04%), C 6,085⁠명 중 7⁠명(0.1%)⁠이었습니다. AUC는 0.97(95% 신뢰구간 0.94–0.99)⁠과 0.92(0.88–0.97), 민감도는 12/12(73.5–100%)⁠와 7/7(59.0–100%)⁠였고, AUPRC는 두 곳 모두 0.04⁠였습니다.
  • 문턱 0.20⁠에서 B는 심초음파 대상이 4,112⁠명(15%)⁠으로 줄어 23,922⁠명(85%)⁠을 생략하는 것으로 추정됐습니다. 이때 LVEF 40% 이하의 양성예측도는 0.29%(12/4,112, 95% 신뢰구간 0.15–0.51%)⁠였고, LVEF 50% 미만은 48⁠명 중 19⁠명을 놓쳤습니다(민감도 60%).

왜 중요한가흔히 찍는 흉부 X선으로 심초음파 대상자를 추리는 기회검진의 가능성을 국내 다기관 자료로 보여 준 연구입니다. 그러나 검진 코호트는 위험계산기 기준이나 본인 요청으로 이미 심초음파를 받은 사람에 한정되어, 검진 수검자 전체에서의 선별 효과를 직접 보여 주지 않습니다.

한계후향⁠·⁠단일 국가 자료이고, 검진 코호트의 매우 낮은 유병률 때문에 민감도와 순편익 추정의 신뢰구간이 넓습니다. 결정곡선분석은 코호트별 재보정 뒤의 탐색 분석입니다. LVEF 50% 미만에서 흡연력과의 상호작용이 관찰돼(P=0.02) 현재 흡연자의 진단 오즈비가 가장 낮았습니다. 정면 영상만 다뤘고 기존 AI 모형과 직접 비교하지 않았습니다. 한국연구재단과 병원 연구비를 받았고, 공동 책임저자 1⁠명의 소속은 기업(오스템임플란트) AI 개발부서입니다. 이해관계 양식 8⁠부를 검토한 결과 한국연구재단(NRF)⁠·⁠분당서울대병원 연구비를 적은 저자가 2⁠명이고, 그 밖의 이해관계는 0⁠건이었습니다.

RESEARCH SEED

국내 검진센터에서 흉부 X선 AI 점수로 심초음파 대상을 정하는 전향 연구를 하면, 원래 심초음파를 받지 않던 수검자까지 포함한 전체에서 LVEF 저하 발견율과 놓친 사례가 어떻게 달라질까요?

iScience
2026
후향 다기관 개발⁠·⁠외부검증과 단일기관 전향 검증 · 저널 목록 외 · 출판사 공개 전문(본문⁠·⁠표 1–4⁠·⁠방법)⁠과 보충 표 S1–S3(설계 변경⁠·⁠모형 비교) 검토

결핵 활동성 X선 AI, 참조표준에 영상 소견이 섞였다

Deep learning based detection of active pulmonary tuberculosis from chest radiographs in a retrospective prospective multicenter study.

중국 신장 카슈가르 지역 병원들의 결핵 환자 흉부 X선으로 활동성과 비활동성 결핵을 구분하는 경량 딥러닝 모형(ShuffleNetV2)⁠을 만들었습니다. 같은 지역 다른 병원의 후향 외부군 1,318⁠명과 또 다른 병원의 전향군 560⁠명에서 AUC는 0.917⁠과 0.896⁠이었습니다. 활동성⁠·⁠비활동성 정의에 영상 소견이 들어 있어, 영상으로 영상 기반 범주를 맞힌 측면이 있습니다.

  • 학습군 4,613⁠명(2⁠개 병원), 후향 외부검증군 1,318⁠명(2⁠개 병원), 전향 검증군 560⁠명(1⁠개 병원)⁠이며, 활동성 결핵 비율은 각각 44.8%, 52.2%, 28.4%⁠로 달랐습니다.
  • 전향군 AUC는 0.896(95% 신뢰구간 0.860–0.932), 민감도 0.862(0.799–0.907), 특이도 0.830(0.791–0.864)⁠이었습니다. 활동성으로 예측된 205⁠명 중 68⁠명(33.2%)⁠이 비활동성이어서 양성예측도는 0.668⁠이었고, 전향군의 확률 보정은 낮은⁠·⁠중간 확률 구간에서 어긋났습니다.
  • 판독자 9⁠명의 단독 AUC는 0.648–0.811⁠이었습니다. AI 보조 판독은 경력군마다 1⁠명씩 3⁠명만 같은 영상을 다시 읽은 결과이며 AUC는 0.897–0.937⁠이었습니다. 두 판독 사이의 휴지기는 본문에서 확인하지 못했습니다.
  • 보충 표 S1⁠에서 설정을 하나씩 바꿔 보면 ImageNet 사전학습을 뺐을 때 전향군 AUC가 0.584⁠로 가장 크게 떨어졌습니다. 다른 구조와 비교한 표 S2⁠에서 전향군 AUC는 ViT‑Base/16 0.895, ResNet50 0.882, DenseNet121 0.848, EfficientNet‑B0 0.687⁠로 ShuffleNetV2(0.896)⁠와 비슷하거나 낮았고, 후향 외부군에서는 ResNet50(0.930)⁠이 가장 높았습니다.

왜 중요한가결핵 고부담 지역에서 확진 검사의 우선순위를 정하는 보조 도구로 전향 자료까지 제시했습니다. 저자도 양성 예측만으로 결핵 치료를 시작하면 안 되며, 분자검사와 배양으로 확인해야 한다고 명시했습니다.

한계활동성은 미생물학적 확인⁠·⁠증상⁠·⁠영상 소견(경화⁠·⁠결절⁠·⁠공동⁠·⁠나뭇가지발아 등)⁠으로, 비활동성은 병원체 음성과 석회화⁠·⁠섬유화 같은 영상 소견으로 정의해 참조표준에 영상 판단이 섞였습니다. 모든 기관이 한 지역에 있고 국외 검증은 없으며, 임상 기록이 불완전한 환자는 제외했습니다. 저자들은 경쟁적 이해관계가 없다고 선언했지만 공동 교신저자 1⁠명의 연락 주소가 AI 기업 도메인입니다. 중국 국가자연과학기금 등 공공 연구비를 받았고 코드는 공개 저장소에 있습니다. 저자는 검증군을 모형 선택에 쓰지 않았다고 밝혔지만, 고찰에서는 보충 표의 전향군 성능을 ShuffleNetV2 선택의 근거로 들었습니다.

RESEARCH SEED

국내 결핵 의심 환자에서 객담 분자검사와 배양만을 참조표준으로 두면, 흉부 X선 AI의 활동성 판정이 확진 검사 순서와 격리 결정을 얼마나 바꿀까요?

비위관 위치 AI, 놓친 오삽입 17⁠건

초록 기준 · 저널 목록 외. 영국 NHS 한 트러스트에서 1⁠년간 비위관 위치 확인용 흉부 X선 연속 1,605⁠건에 상용 AI(Annalise Enterprise CXR)⁠를 진료에 반영하지 않는 무음 방식으로 적용했습니다. 부적절한 위치 126⁠건 중 109⁠건을 찾아 민감도 0.87(95% 신뢰구간 0.79–0.91)⁠이었지만 17⁠건을 놓쳤고, 특이도 0.63(0.61–0.66), 양성예측도 0.17(0.14–0.20)⁠이었습니다. 저자는 위음성 때문에 일차 판정 보조 도구로는 부적합할 수 있다고 결론지었습니다.

흉부 X선 AI 분류 뒤 당일 CT, CT 판독까지 6.0⁠일에서 3.6⁠일

초록 기준 · 저널 목록 외. 런던 남서부 5⁠개 병원으로 이뤄진 NHS 트러스트에서 AI가 폐암 의심으로 분류한 흉부 X선을 방사선사 주도 당일 CT 경로로 보낸 사례 연구입니다. 2022–2024⁠년 흉부 X선 56,257⁠건(도입 전 1⁠년, 도입 후 2⁠년)⁠에서 폐암 의심 사례의 X선 촬영부터 CT 판독까지가 6.0⁠일에서 3.6⁠일로 줄었고, X선 대비 CT 시행 비율의 유의한 증가는 없었다고 보고했습니다. 폐암 의심 판정은 민감도 82.5%, 특이도 90.5%, 양성예측도 14.6%⁠였습니다. 초록에는 신뢰구간, 동시 대조군, 환자 결과가 제시되지 않았습니다.

기관내관 위치 AI, 병원을 거치며 계속 학습

초록 기준 · 저널 목록 외. 12⁠개국 23⁠개 병원의 중환자실 흉부 X선 2,313⁠장으로 기관내관 끝과 용골 사이 거리를 재는 모형을 원 모형, 병원별 미세조정, 병원을 차례로 거치는 지속학습으로 비교한 후향 연구입니다. 병원마다 약 100⁠장 중 50⁠장을 학습에 썼고 1⁠개 병원은 외부검증용으로 남겼습니다. 평균 오차는 지속학습 10.58 mm(표준편차 12.98), 병원별 미세조정 12.49 mm(15.37), 원 모형 16.39 mm(21.56)⁠였습니다. 표준편차가 커서 개별 영상의 위치 판정 정확도는 초록만으로 알 수 없습니다.

SERIES 03 · IN PRACTICE

현장 도입

European heart journal. Digital health
2026
단일기관 후향 도입 전후 비교 · 저널 목록 외 · 출판사 공개 전문(본문⁠·⁠그림 설명⁠·⁠이해관계)⁠과 보충 표 S1(재관류 치료 분포) 검토

폐색전 CT AI 알림과 대응팀, 과정은 빨라지고 사망 차이는 불확실

Real‑world implementation of AI‑assisted PERT‑workflow and its association with care processes and budget impact: a retrospective cohort study.

독일 한 대학병원이 CT 폐혈관조영의 폐색전 자동 검출 알림(Aidoc)⁠을 폐색전 대응팀(PERT) 자동 호출 절차와 묶어 도입하고, 도입 전후 각 1⁠년을 비교했습니다. 중심⁠·⁠분절 폐색전 환자 424⁠명(도입 전 181⁠명, 도입 후 243⁠명)⁠에서 대응팀 호출과 진단⁠·⁠치료까지의 시간은 개선됐지만, 30⁠일 사망과 재원⁠·⁠중환자실 기간의 감소는 통계적으로 유의하지 않았습니다. 동시 대조군이 없는 단일기관 비교라 인과로 해석할 수 없습니다.

  • 대응팀 호출은 9.2%⁠에서 84.5%⁠로 늘었습니다(P<0.001). 도입 후에는 AI 알림이 정해진 절차에 따라 대응팀을 바로 호출했기 때문에, 알고리즘 자체의 효과와 호출 체계 변화의 효과를 나눌 수 없다고 저자가 밝혔습니다.
  • CT 완료부터 정식 판독까지는 평균 2.1±0.6⁠시간에서 1.3±0.5⁠시간으로(P<0.01), 진단부터 고급 치료 시작까지는 평균 약 36⁠시간에서 약 18.9⁠시간으로 줄었습니다(P<0.05). 고급 치료를 받은 환자는 도입 전 23⁠명, 도입 후 33⁠명이며, 보충 표 S1⁠에서 전신 혈전용해 10⁠명→10⁠명, 초음파 보조 도관 혈전용해 6⁠명→9⁠명, 대구경 혈전제거 7⁠명→14⁠명으로 각각 P>0.05⁠였습니다.
  • 30⁠일 사망은 25%⁠에서 21%, 생존자 재원기간 중앙값은 16⁠일에서 14⁠일, 중환자실 기간 중앙값은 5.5⁠일에서 4⁠일로 수치상 줄었지만 모두 P>0.05⁠였습니다. 저자도 생존 이득에 대한 결론을 내릴 수 없다고 적었습니다.
  • 연간 약 90⁠만 유로 절감은 직접 측정한 비용이 아니라, 유의하지 않은 재원기간 감소에 하루 약 800⁠유로 가정 등을 적용해 기관 규모로 확장한 탐색적 예산영향 모형입니다.
  • 도입 후 기간의 AI 성능은 민감도 93%, 특이도 96%, 음성예측도 61.5%⁠로 보고돼, AI 음성 결과로 폐색전을 배제할 수 없습니다.

왜 중요한가AI 검출을 판독 우선순위에서 끝내지 않고 다학제 대응팀 호출로 이어 붙인 실제 운영 사례입니다. 다만 개선이 확인된 것은 호출률과 시간 같은 과정 지표이며, 환자 결과의 개선은 확인되지 않았습니다.

판독실에서도입을 검토할 때는 AI 알림뿐 아니라 알림 뒤 누가 어떤 조치를 맡는지 함께 확인해야 합니다. 정식 판독 시간 단축은 영상의학과가 직접 점검할 수 있는 지표이고, 사망 감소나 비용 절감을 도입 근거로 삼기는 이릅니다.

한계단일기관 비무작위 전후 비교이고, 사건 수가 적어 보정 분석을 하지 않았습니다. 동반질환⁠·⁠출혈 위험⁠·⁠치료 금기 등 주요 교란변수가 두 기간에 일관되게 수집되지 않았고, CT로 진단된 환자만 포함해 CT 전에 사망한 환자는 빠졌습니다. 고급 치료 비율이 결과(12.7%→13.6%)⁠와 고찰(11.6%→14.7%)⁠에 다르게 적혀 있는데 보충 표 S1⁠의 치료별 인원 합은 결과 쪽과 맞고, 30⁠일 사망의 분자와 분모는 제시되지 않았습니다. 연구비는 없다고 밝혔으며, 제1⁠저자는 Aidoc과 혈전제거 기기 회사 등에서 강연료를 받았다고 공개했습니다.

RESEARCH SEED

국내 병원에서 CT 폐색전 AI 알림을 병동이나 시기별로 단계적으로 도입하면, 판독 단축과 치료 시작 단축 가운데 AI 알림 자체가 기여한 몫을 분리할 수 있을까요?

SERIES 04 · REGULATORY & INDUSTRY

허가 · 제품 소식

  • 2026-10-23

    BlineSlide, 폐 초음파 폐 미끄럼 소실 AI의 510(k) 허가

    FDA 기록⁠·⁠회사 발표 기준 · 허가요약과 성능자료 미검토. FDA 510(k) 기록상 Deep Breathe의 BlineSlide(K261679)⁠는 10⁠월 23⁠일 실질적 동등 판정을 받았습니다. 회사는 10⁠월 28⁠일 발표에서 이번 허가가 폐 초음파에서 폐 미끄럼 소실을 찾아 기흉 평가를 돕는 소프트웨어라고 설명했습니다. 회사는 이번이 12⁠개월 안에 받은 두 번째 허가라고 밝혔습니다. 허가가 기흉 진단 정확도나 환자 결과를 보장하는 것은 아닙니다.

  • 2026-10-27

    AZmed 흉부 X선 AI, RapidAI 플랫폼으로 배포

    회사 발표 기준 · 성능자료 아님. AZmed는 FDA 허가를 받은 흉부 X선 AI AZchest와 근골격 X선 AI AZtrauma를 RapidAI의 Rapid Enterprise 플랫폼에서 제공한다고 발표했습니다. 발표에 따르면 AZchest는 정면 흉부 X선에서 폐결절⁠·⁠경화⁠·⁠기흉⁠·⁠흉수⁠·⁠심흉곽비 증가 5⁠개 소견을 표시하고, 기흉과 흉수는 우선순위 알림을 냅니다. 새 허가나 성능 검증이 아니라 배포 경로가 늘어난 소식입니다.

  • 2026-10-20

    옵텔럼 폐결절 AI, RapidAI 플랫폼에 통합

    회사 발표 기준 · 성능자료 아님. 옵텔럼은 판독문에서 폐결절 환자를 찾아 관리 목록에 올리는 Virtual Nodule Clinic과, CT 영상으로 결절의 악성 위험을 평가하는 Lung Cancer Prediction AI를 Rapid Enterprise 플랫폼에 통합했다고 발표했습니다. 기존 플랫폼을 쓰는 병원이 한 번의 IT 배포로 쓸 수 있게 한 소식이며, 새 허가나 성능 자료는 포함되지 않았습니다.

  • 2026-10-20

    RSNA 마굴리스상, AI 생성 X선 판별 연구에

    RSNA 보도자료 기준 · 대상 논문 미검토. RSNA는 AI가 만든 X선 영상을 영상의학과 의사와 대형언어모델이 얼마나 가려내는지 평가한 Radiology 논문에 2026⁠년 마굴리스상을 준다고 발표했습니다. 보도자료에 따르면 실험에는 RoentGen으로 만든 합성 흉부 X선 55⁠장과 실제 영상 55⁠장이 쓰였고, 판독자 17⁠명 중 합성 영상이 섞였다고 스스로 언급한 사람은 7⁠명(41%)⁠이었습니다. 이번 수집 기간의 신규 논문이 아니라 시상 소식입니다.

SERIES 06 · IMPRESSION

이번 주 통합 결론

  1. 연관과 효과를 구분해야 합니다. 검진 CT 골밀도가 골절⁠·⁠사망과 연관된다는 결과는 측정하고 치료하는 전략의 효과를 보여 주지 않습니다.
  2. 판별 지표가 높아도 양성 사례가 적거나 참조표준에 영상 판단이 섞이면 실무 판단은 불안정합니다. 검진 코호트의 LVEF 40% 이하 12⁠명⁠·⁠7⁠명, 결핵 활동성 정의의 영상 소견처럼 분모와 참조표준을 먼저 확인합니다.
  3. 실사용 평가에서는 개선된 것이 과정 지표인지 환자 결과인지 나눠 읽습니다. 폐색전 AI 대응팀 연계와 흉부 X선 당일 CT 경로는 시간 단축을 보였지만 사망⁠·⁠비용 효과는 아직 확인되지 않았습니다. 허가와 플랫폼 배포 소식도 성능 검증과 구분합니다.
  4. 제작 고지: 범위 판정 초벌은 GPT-6.1 Sol, 일차 채점⁠·⁠선정⁠·⁠집필은 Claude Opus 5.5, 이차 독립 채점과 독립 문장 검수는 GPT-6 Astra가 담당했습니다.