복부 CT 한 번에 146개 소견 확인? DAMO RADAR의 성과와 한계

조영증강 복부 CT를 읽을 때 질환마다 별도의 AI를 돌리는 대신, 하나의 모델로 여러 장기의 이상 소견을 함께 살필 수 있을까. 알리바바의 연구 조직 DAMO 아카데미가 임상 협력 기관과 개발한 DAMO RADAR가 겨냥한 과제다. 연구 결과는 학술지 《Science》에 발표됐으며, 보도에 따르면 이 모델은 18개 장기에 걸친 146개 임상 소견을 평가 대상으로 삼았다. ‘146개 소견’에는 질병뿐 아니라 영상에서 관찰되는 이상도 포함되므로, 이를 ‘146개 질병을 확진한다’는 뜻으로 받아들이면 곤란하다. 4812

질병별 탐지기를 따로 만들지 않는 이유

DAMO RADAR는 CT 영상과 그 검사에 딸린 임상 판독 보고서를 연결해 학습하는 영상·언어 모델이다. 기존 보고서에 담긴 의학적 설명을 학습 자료로 활용해, 질환마다 새로 수작업 표지를 만들어야 하는 방식에 덜 의존한다는 것이 핵심이다. 다만 제공된 자료만으로는 영상과 문장을 연결한 세부 학습 절차나, 학습 범위 밖의 새로운 질환을 어디까지 안정적으로 알아보는지 확인하기 어렵다. 516

숫자는 어떻게 읽어야 하나

약 4만 건의 실제 검사를 대상으로 한 평가에서, 146개 소견에 대한 평균 AUC는 0.913으로 보고됐다. AUC는 판정 기준을 달리했을 때 양성 사례와 음성 사례를 얼마나 잘 구별하는지 나타내는 지표다. 따라서 이 수치를 ‘환자 100명 중 91.3명을 정확히 진단했다’는 의미로 바꿔 말할 수는 없다. 1415

영상의학과 의사 26명이 참여한 비교에서는 모델이 23명보다 높은 성적을 냈다는 보도가 나왔다. 의사가 AI의 도움을 받아 판독했을 때는 놓친 소견이 약 10%, 판독 시간이 약 30% 줄었다고 전해진다. 하지만 제공된 결과에는 도움을 받기 전후의 민감도 수치가 명확히 제시되지 않았고, ‘10%’가 상대적 감소인지 10%포인트 감소인지도 확인하기 어렵다. 1614

공개 모델이 곧바로 임상 도구가 되는 것은 아니다

DAMO 아카데미는 모델의 오픈소스 공개를 발표했고, 모델 가중치도 제공된다는 보도가 있다. 연구자와 의료기관이 검토할 수 있는 길이 열린 셈이지만, 공개 여부와 실제 진료 현장에서의 안전성 검증은 별개다. 특히 제공된 자료만으로는 학습·평가 환경과 다른 병원이나 환자 집단에서의 성능을 신뢰할 만한 수치로 설명할 수 없다. 347

현재 결과가 가리키는 현실적인 쓰임새는 의사의 판단을 대신하는 자동 진단이 아니라, 판독 중 놓칠 수 있는 소견을 다시 짚어주는 보조 도구다. 실제 사용 범위는 적용할 의료 환경에서 별도로 성능을 확인한 뒤 판단해야 한다.