흉부 X-선 검사는 흉부 진단을 위해 널리 사용되지만, 증가하는 영상 볼륨과 방사선 전문의의 업무량 증가는 적시 해석에 어려움을 줍니다. 본 연구에서는 의료 영상 기반 모델인 MedImageInsight를 사용하여 흉부 X-선을 정상과 비정상 범주로 자동 분류하는 이진 분류를 수행합니다. MedImageInsight를 활용하는 두 가지 접근 방식을 평가했습니다. (1) MedImageInsight를 종단간 분류를 위해 미세 조정하고, (2) 전통적인 머신 러닝 분류기를 사용하여 전이 학습 파이프라인의 특징 추출기로 모델을 활용합니다. 실험은 ChestX-ray14 데이터 세트와 협력 병원에서 수집한 실제 임상 데이터를 사용하여 수행되었습니다. 미세 조정된 분류기는 ROC-AUC 0.888로 가장 높은 성능을 달성했으며, CheXNet과 같은 기존 아키텍처와 비슷한 성능을 보였습니다.
시사점, 한계점
•
시사점:
◦
의료 영상 기반 모델인 MedImageInsight는 특정 작업에 필요한 훈련 요건을 줄이면서 진단 신뢰성을 유지하는 데 효과적임을 입증했습니다.
◦
시스템은 웹 기반 및 병원 PACS 워크플로우에 통합되어 환자 분류를 지원하고 방사선 전문의의 부담을 줄일 수 있습니다.
•
한계점:
◦
단일 레이블 분류에 초점을 맞춰, 실제 임상 환경에서 더 유용한 다중 레이블 병리 분류로의 확장이 필요합니다.
