루닛 같은 흉부 엑스레이 AI 판독 보조 만들기: DICOMweb·MONAI

핵심 요약

1. 흉부 엑스레이 AI 판독 보조 서비스를 만들어 이상 소견 후보 확인과 과거 영상 비교 업무를 지원합니다. 2. DICOMweb으로 영상을 연결하고 MONAI·별도 흉부 모델, SimpleITK, OHIF로 분석과 비교 화면을 구성합니다. 3. 환자·검사 매칭, 결과 검증, 접근권한, 실패 처리와 의료진 검토 기록은 자체 로직으로 구현합니다.

판독 보조 서비스의 기능 범위부터 정합니다

루닛 인사이트 CXR의 핵심 가치는 의료진이 흉부 X선의 이상 소견 후보와 위치를 확인하고 이전 영상을 비교하도록 돕는 데 있습니다. 유사 서비스를 만들 때도 영상 연결, 소견 후보 검출, 비교 화면을 하나의 판독 보조 흐름으로 설계합니다. 아래 기술 조합은 이러한 기능을 구현하는 대안이며 루닛의 내부 기술을 뜻하지 않습니다.

국내 공식 제품인 Lunit INSIGHT CXR4는 10가지 비정상 소견과 정상 표시·리포트를 안내합니다. 글로벌 페이지는 급성 골절을 포함한 11가지 소견을 소개하며 국가별 공급 제한을 명시합니다. 국내 과거 영상 비교 기능도 PACS에 따라 지원 여부가 달라, 글로벌 설명을 모든 병원에 동일하게 적용할 수는 없습니다.

DICOMweb PACS 연동 개발: 영상과 메타데이터를 연결합니다

입력은 이용이 승인된 병원의 PACS, 즉 의료영상 저장·전송 시스템에 보관된 흉부 영상입니다. DICOMweb은 의료영상을 웹으로 검색·조회·저장하는 표준이며 환자 데이터를 공급하는 서비스는 아닙니다. QIDO-RS로 검사 목록을 검색하고 WADO-RS로 선택한 영상과 메타데이터를 가져오는 흐름을 구성합니다.

자체 애플리케이션은 환자·검사 식별자를 매칭하고 필수 메타데이터 누락, 중복 요청, 전송 실패를 처리합니다. 이 단계의 출력은 분석할 영상과 검사 시점·촬영 정보가 연결된 입력 묶음입니다. 결과를 DICOM 형식으로 다시 저장하려면 STOW-RS와 해당 PACS의 저장 지원 범위를 확인합니다.

MONAI 흉부 X선 모델 추론으로 소견 후보를 만듭니다

입력은 연결 단계에서 확보한 X선 영상입니다. MONAI는 의료영상 전처리·학습·추론을 구성하는 오픈소스 프레임워크로, 모델 입력 규격에 맞게 영상을 처리하고 추론 흐름을 구성하는 데 활용합니다. 소견별 점수와 영역을 얻으려면 해당 출력에 맞게 학습·검증된 별도의 흉부 모델이 필요합니다.

자체 서버에 모델을 실행하는 추론 API를 구성하고, 애플리케이션에서 요청 상태·모델 버전·출력 형식과 실패 응답을 관리하도록 설계합니다. 이때 AI API는 자체 흉부 모델을 호출하는 인터페이스이며 영상 조회용 DICOMweb API와 역할이 다릅니다. 출력은 흉부 X선 이상 소견 검출을 위한 후보·점수·영역이며 확정 진단으로 표시하지 않습니다.

흉부 엑스레이 정상 소견 분류까지 구현한다면 그 목적에 맞는 모델과 분류 기준을 별도로 검증합니다. 정상 분류 결과의 표시와 후속 검토 방식은 의료진이 확인할 수 있는 절차로 설계합니다. 모델·학습 데이터 이용권과 임상 검증은 프레임워크 선택과 별개로 확보해야 합니다.

SimpleITK 의료영상 정합으로 과거 영상을 맞춥니다

흉부 X선 과거 영상 비교의 입력은 같은 환자의 현재 영상과 이전 영상입니다. SimpleITK는 영상의 위치와 좌표를 맞추는 정합 기능을 제공하는 라이브러리이며, 비교에 필요한 좌표 변환을 계산하는 구현 후보로 활용합니다. 정렬 결과 자체가 병변의 진행이나 호전을 판정하지는 않습니다.

자체 로직은 환자·검사 매칭을 확인한 뒤 좌우 방향, 픽셀 간격, 정합 품질을 검사합니다. 정합에 실패하거나 품질 기준을 충족하지 못하면 원본 비교 화면으로 전환하고 상태를 표시하도록 설계합니다. 출력은 정렬된 비교 영상과 변환 정보이며 의료진이 원본과 함께 확인하도록 구성합니다.

OHIF 의료영상 뷰어 구축: 후보와 비교 결과를 보여줍니다

화면의 입력은 DICOMweb으로 조회한 현재·과거 영상, 모델의 소견 후보와 정합 결과입니다. OHIF는 영상 렌더링과 주석·확장 기능을 제공하는 웹 기반 오픈소스 뷰어로 활용합니다. 소견 탐지나 변화 판정은 뷰어 자체가 담당하지 않습니다.

자체 화면 확장 로직으로 모델의 영역 좌표를 영상에 맞추고 점수·후보 이름과 현재·과거 영상을 함께 표시합니다. 검토 완료 여부와 수정 이력은 애플리케이션에서 관리합니다. 흉부 영상 AI 분석 리포트가 필요하면 소견 후보, 검사 시점, 모델 버전, 의료진 확인 상태를 자체 서식으로 묶어 출력하도록 설계합니다.

운영 조건을 정하고 제작 범위를 구체화합니다

루닛은 온프레미스와 Azure 기반 클라우드 구축을 안내합니다. 유사 서비스에서 의료영상 AI 온프레미스 방식을 선택하더라도 영상 접근권한, 환자 동의, 익명화, 전송 암호화는 별도로 설계해야 합니다. 모델 결과가 올바른 환자·검사·영상에 연결되는지 확인하는 절차도 운영 흐름에 포함합니다.

의료영상 진단 보조 소프트웨어는 모델과 화면을 연결한 것만으로 임상 사용 조건을 충족하지 않습니다. 도입 국가와 사용 목적에 따른 제품 지원·허가 범위, 영상과 모델의 이용권, 임상 검증 계획을 제작 범위에 반영합니다.

흉부 엑스레이 AI 서비스 개발을 계획한다면 필요한 소견 후보 표시·과거 영상 비교 기능, 이용 가능한 영상, 연결할 PACS와 판독 업무를 정리해 주세요. 트램스 AI 제작 문의에서 구현 범위를 상담할 수 있습니다: https://trams.co.kr/ai-si/contact/#inquiry