병원 데이터로 학습한 AI…뇌 스캔 판독서 GPT-5 압도

실제 병원 데이터로 훈련된 인공지능(AI)이 뇌 스캔 판독에서 GPT-5와 같은 대규모 범용 AI 모델보다 뛰어난 성능을 보인 연구 결과가 나왔다.

20일(현지시간) 국제 학술지 '네이처 메디슨(Nature Medicine)'에 게재된 연구에 따르면, 미국 미시간 의대 연구팀이 개발한 신경 영상의학 AI 모델 'NeuroVFM'이 진단 정확도와 임상 보고서 생성, 환자 분류 작업에서 기존 모델들을 능가하는 것으로 나타났다.

연구팀은 개인정보 보호 문제로 공개 데이터셋에서 제외됐던 병원의 실제 의료 영상을 AI 훈련에 직접 활용했다. 지난 20년간 미시간 의대에서 축적된 56만6915건의 뇌 자기공명영상(MRI) 및 컴퓨터단층촬영(CT) 연구, 총 524만개의 3차원 볼륨 데이터를 기반으로 NeuroVFM을 구축했다.

훈련에는 '용적 공동 임베딩 예측 아키텍처(Vol-JEPA)'라는 자기지도학습 방식이 사용됐다. 이 방식은 3D 스캔 이미지의 일부를 가리고 모델이 해당 부분을 예측하도록 훈련시켜, 별도의 라벨링이나 판독 보고서 없이도 해부학적 구조와 질병 패턴을 학습하게 한다.

성능 평가 결과, NeuroVFM은 156개 진단 범주에 걸쳐 경쟁 모델 5개를 모두 앞섰다. CT와 MRI에서 각각 평균 92.68점, 92.49점의 높은 정확도를 기록했다. 특히 알츠하이머병, 자폐증 등 처음 접하는 외부 공개 데이터셋에서도 우수한 성능을 유지해 실제 해부학적 지식을 습득했음을 입증했다.

실제 임상 환경을 가정한 테스트에서 성과는 더욱 두드러졌다. NeuroVFM이 생성한 영상의학 소견서는 임상의 선호도 조사에서 GPT-5보다 2배 이상 높은 평가를 받았다. 사실관계 오류나 환각(hallucination) 현상도 현저히 적었다.

또한 1100여 건의 실제 환자 스캔을 대상으로 일주일간 진행된 전향적 시험에서 NeuroVFM 기반 시스템은 응급 및 비응급 환자 분류 정확도 92.6%를 달성했다. 이는 GPT-5 기반 시스템의 정확도인 71.2%를 크게 웃도는 수치다.

다만 연구팀은 모델의 한계도 명시했다. 해당 시험에서 NeuroVFM은 중대 소견이 있는 환자 155명 중 21명의 사례를 놓쳤다. 연구진은 "이 모델은 아직 연구용 도구이며 승인된 진단기기가 아니다"라고 강조하며, 추가적인 검증이 필요하다고 덧붙였다.