AI 기반 초음파 비디오 진단은 의료 영상 분석의 효율성과 정확성을 향상시킬 수 있는 새로운 기회를 제공합니다. 이 연구에서는 초음파 비디오 데이터와 임상 진단 텍스트를 통합하는 지능형 진단 에이전트인 Auto-US를 제안합니다. 이를 위해, 다양한 공개 소스에서 수집한 5개의 범주와 3개의 장기를 포함하는 495개의 초음파 비디오로 구성된 CUV 데이터 세트를 구축했습니다. 또한, 초음파 비디오 분류에서 86.73%의 정확도를 달성하는 CTU-Net을 개발했습니다. Auto-US는 대규모 언어 모델을 통합하여 임상적으로 의미 있는 진단 제안을 생성할 수 있으며, 각 사례에 대한 최종 진단 점수는 5점 만점에 3점을 초과했으며 전문 임상의에 의해 검증되었습니다.
시사점, 한계점
•
시사점:
◦
AI 기반 초음파 비디오 진단 시스템인 Auto-US 개발
◦
초음파 비디오 분류를 위한 CTU-Net 개발 및 SOTA 달성
◦
CUV 데이터 세트 구축 및 공개
◦
대규모 언어 모델을 활용한 임상적 진단 제안 생성
◦
전문 임상의에 의해 검증된 높은 진단 점수 획득
•
한계점:
◦
구체적인 한계점은 논문에 명시되지 않음 (하지만, 데이터셋의 규모, 특정 질병에 대한 성능, 일반화 가능성 등은 논의될 수 있는 잠재적 한계점)
