1. 논문관련 분야의 소개, 동향, 전망을 설명, 연구과정에서 생긴 에피소드

이번 연구는 성인형 미만성 교종에서 자기공명영상와 판독문을 동시에 활용하는 vision-language model (VLM)을 개발하여, 분자 상태 (IDH mutation) 예측과 영상 판독문 자동 생성을 동시에 수행하고자 한 연구입니다.

인공지능 분야에서는 이미지와 텍스트를 함께 이해하는 VLM로의 확장이 이루어지고 있으나, 뇌교종과 같이 복잡한 3D 자기공명영상 영역에서는 아직 VLM의 충분히 연구되지 않은 상태였습니다.

이번 연구에서는 PubMed Central에 pretraining된 LLaMA 3.1을 뇌교종 환자의 데이터로 fine-tuning하여 Glio-LLaMA-Vision 모델을 개발하여, IDH mutation status 예측과 영상 판독문 자동 생성이라는 두 가지 작업을 통합적으로 수행하였습니다. 다기관 데이터를 활용한 검증에서 안정적인 분자 예측 성능(AUC 0.85?0.95)을 보였고, 생성된 판독문 역시 90% 이상 대부분 임상적으로 수용 가능한 수준으로 평가되었습니다.

향후에는 다양한 데이터를 통합하는 multi-modal AI로의 발전이 중요한 흐름이 될 것으로 기대됩니다.

2. 연구를 진행했던 소속기관 또는 연구소에 대해 소개 부탁드립니다.

이번 연구는 연세대학교 세브란스병원와 DGIST 박상현 교수님 연구팀과의 협업을 통해 수행되었습니다.

세브란스병원에서는 약 1,000명의 성인 뇌교종 환자 데이터를 기반으로 영상, 병리, 임상 정보가 체계적으로 구축되어 있어 임상 기반 연구 수행이 가능했습니다. 또한 DGIST 교수님과의 협업을 통해 의료 영상과 인공지능을 결합한 융합 연구 환경이 조성되어 있었습니다.

3. 연구 활동 하시면서 평소 느끼신 점 또는 자부심, 보람

임상에서의 실제 문제인 분자 정보의 제한이나 판독 업무 부담을 인공지능을 통해 일부 보완할 수 있는 가능성을 직접 확인할 수 있었다는 점이 가장 인상적이었습니다.

특히 영상 해석과 보고서 작성이라는 임상 workflow를 동시에 지원하는 모델을 제시했다는 점에서 큰 보람을 느꼈습니다. 또한 영상과 언어를 통합적으로 다루는 접근을 통해 기존 고식적 인공지능 모델보다 확장된 연구를 시행할 수 있었다는 점도 의미 있는 경험이었습니다.

4. 이 분야로 진학하려는 후배들 또는 유학준비생들에게 도움이 되는 말씀을 해 주신다면?

영상의학과 전공의나 전문의 입장에서, 이 분야에서는 인공지능 기술 공부도 중요하지만, “좋은 임상적 질문”을 제기하기 위한 심도 깊은 세부전공 분야 공부가 더 중요하다고 생각합니다.

인공지능 기법 자체는 시간이 지나면 익힐 수 있지만, 임상적으로 의미 있는 문제를 설정하고 그 결과를 해석하는 능력은 쉽게 얻어지지 않습니다. 판독을 성실히 하고, 관련 지식을 공부하고, 임상 다학제 회의에 활발히 참여하지 않으면 겉핡기식 의료영상 인공지능 연구에서 벗어나기 어렵습니다.

특히 의료 인공지능에서는 성능 지표를 넘어서, 실제 임상에서 어떻게 활용될 수 있는지를 항상 함께 고민하는 것이 중요합니다.

5. 연구 활동과 관련된 앞으로의 계획이 있으시다면?

향후에는 성인 뇌교종에만 집중한 이번 연구의 한계점을 보완한 뇌종양 전반에 적용되는 더 광범위한 모델을 개발하고, 이를 실제 임상 의사결정을 지원하는 시스템으로 확장하고자 합니다.

또한 영상 판독 생성의 신뢰성을 높이고 hallucination 문제를 줄이는 방향으로 모델을 개선할 계획입니다.

궁극적으로는 정밀의료 기반의 환자 맞춤형 진단 및 예측 모델을 구축하는 것이 목표입니다.

6. 다른 하시고 싶은 이야기들.....

한결같이 좋은 안성수 교수님, 남편, 그리고 수민이에게 고마움을 표합니다.