애로우 일렉트로닉스(이하 애로우)가 의료 영상 분야에서 인공지능(AI) 활용 방안을 담은 백서를 발표했다. 이번 백서는 MRI, CT, PET 등 대용량 의료 데이터를 기반으로 한 진단 과정에서 나타나는 다양한 과제를 짚고 이를 해결하기 위한 AI·머신러닝(ML) 기반 분석 기술과 고성능 컴퓨팅 인프라 전략을 제시한다.

 

의료 영상 데이터는 전 세계 의료 데이터의 30% 이상을 차지하며 2025년까지 지속적으로 증가할 것으로 예상된다. 기존 진단 방식은 방사선 전문의의 경험과 수동 해석에 크게 의존했지만 데이터 복잡성과 환자 증가로 인해 한계가 뚜렷하다. 특히 초기 병변은 신호가 약하거나 대비가 낮아 탐지가 어렵고 환자 간 해부학적 다양성이나 영상 기법 차이로 인해 오진 가능성도 크다. AI와 ML은 이러한 제약을 극복할 수 있는 도구로, 다중 모달리티 데이터를 분석해 미묘한 이상을 식별하고 종양 탐지·분류·치료 반응 예측 등 진단 효율성을 높인다.

 

백서에 따르면 AI 통합은 기존 방사선학 워크플로를 수동 중심에서 데이터 기반 자동화 파이프라인으로 전환한다. 이미지 수집 이후 GPU·AI 가속기를 활용한 병렬 처리와 NVMe SSD 기반 저장 장치, 고대역폭 메모리 등이 뒷받침되며 합성곱 신경망(CNN)과 비전 트랜스포머(ViT)가 픽셀 단위의 정밀 탐지를 가능케 한다. 또한 생성형 AI(GAN)는 희귀 질환 학습용 합성 데이터를 만들어 모델 신뢰성을 높이고 PACS와 RIS 시스템 통합을 통해 임상의가 실시간으로 결과를 확인할 수 있도록 한다.

 

 

다만 레이블이 지정된 데이터 부족, 기관별 데이터 편향, 모델 해석 가능성 부족은 여전히 과제로 지적된다. 이를 보완하기 위해 반지도 학습, 전이 학습, 연합 학습 기법이 연구되고 있으며 임상 현장에서는 결과 신뢰도를 높이기 위한 시각화와 설명 기능이 필수로 요구된다. AI가 단순한 대체 기술이 아닌 의사 결정을 돕는 보조 도구로 자리 잡기 위해서는 상호 운용성과 임상가의 신뢰 확보가 핵심이다.

 

애로우 산하 eInfochips는 이번 백서를 통해 자사의 의료 기기 엔지니어링 역량을 소개했다. 개념 설계부터 상용화까지 엔드 투 엔드 서비스를 제공하며 AI·ML 통합, 디지털 헬스, 임베디드 시스템 전문성을 기반으로 환자 안전과 성능 안정성을 보장한다. 또한 글로벌 파트너십과 규제 준수 역량을 바탕으로 진단, 치료, 원격 환자 모니터링 등 다양한 의료 분야에서 비용 효율적인 혁신을 지원하고 있다. 애로우는 이를 통해 차세대 헬스케어 솔루션을 위한 신뢰할 수 있는 파트너로서 입지를 강화하고 있다.

 

헬로티 구서경 기자 |