알리바바 다모 레이더: 복부 CT 진단을 위한 오픈소스 의료 AI

알리바바 그룹 홀딩스의 다모 아카데미는 대조제를 사용한 컴퓨터 단층 촬영(CT) 스캔 분석을 통해 약 150가지의 복부 질환, 다양한 암을 포함하여 식별할 수 있도록 설계된 다모 레이더(Damo Radar)를 오픈소스로 공개했다. 이 모델은 방사선 전문의가 진단 정확도를 높이고 분석 시간을 단축하는 데 도움을 주기 위한 일반적인 의료 영상 도구를 목표로 한다.

진단 성능 및 벤치마크

다모 레이더는 약 4만 건의 실제 진료 사례를 대상으로 테스트한 결과, 146가지 임상 소견에서 평균 AUC(곡선 아래 면적)가 0.913을 기록했다. 모델은 18개의 복부 기관을 포함하는 CT 스캔과 해당 임상 보고서를 결합한 데이터셋을 사용해 훈련되었다.

다양한 병원의 26명의 인간 방사선 전문의를 대상으로 한 비교 연구에서, 다모 레이더의 평균 정확도는 참가자 중 23명을 초과했다. 지원 도구로 사용될 경우, 임상의에게 다음과 같은 이점을 제공했다:

• 간과 진단 감소: 방사선 전문의는 진단 누락을 방지하는 능력이 10% 향상되었다.
• 효율성 향상: 진단에 소요되는 시간이 30% 이상 감소했다.

기술 아키텍처 및 방법론

다모 레이더와 관련된 연구는 저널 Science에 게재되었다. 모델은 일반적인 의료 영상 모델로 설명되며, 연구 팀은 이 훈련 방법론이 복부 CT 스캔을 넘어서는 다른 의료 영상 모달리티로 확장될 수 있다고 제안한다.

실무자들 사이의 기술적 논의에서는 모델에 사용된 CNN 기반 특징 인코더가 이 특정 의료 영상 응용 분야에서 비전 트랜스포머(ViT) 인코더 백본보다 훨씬 뛰어난 성능을 보였다는 특정 아키텍처적 세부 사항이 강조되었다.

알리바바의 의료 AI 포트폴리오 내 위치

다모 레이더는 알리바바가 의료 분야에 AI를 통합하기 위한 포괄적인 전략의 일환으로 개발되었다. 이 발표는 4월에 공개된 코카 AI(Coca AI) 모델을 이어받는 것으로, 이 모델은 CT 스캔을 통해 대장암의 조기 발견을 위해 특별히 설계되었으며, 초기 악성 종양을 탐지하는 데 인간 방사선 전문가보다 높은 감도를 보였다고 보고되었다.

커뮤니티의 시각과 비판

보고된 AUC가 높지만, 일부 기술적 비평가들은 질병이 건강 상태보다 훨씬 드물기 때문에 심각한 클래스 불균형이 발생하는 의료 진단에서 AUC가 부적절한 지표라고 주장한다.

"심각한 클래스 불균형 하에서 AUC 0.9는 여전히 예측 진단의 4/5가 틀릴 수 있다(거짓 양성). 정밀도-재현율 곡선 + mAP 또는 GTFO."

이 비판은 정밀도-재현율 지표 없이 AUC 수치만으로 실제 임상적 유용성과 실제 환경에서의 거짓 양성률이 가려질 수 있음을 시사한다.