인프라 연구
오픈 PACS-AI 플랫폼을 활용한 영상 AI 배포 경험과 교훈
Lessons learned from deploying imaging AI with the open PACS-AI platform
arXiv연구진이 오픈 소스 플랫폼 PACS-AI를 활용하여 6개 병원에 영상 AI 시스템을 구축하고 운영한 경험과 교훈을 공유했습니다.
세 줄 요약
- AI 모델의 성능 자체보다 검사 자료 라우팅, 결과 표시 등 실제 의료 환경에 맞는 인프라 구축이 가장 큰 난관임을 확인했습니다.
- 병원들이 AI를 도입할 때는 단순히 높은 정확도를 넘어 시스템 통합 및 운영 체계 전반을 갖추는 것이 핵심 과제입니다.
- 성공적인 AI 활용을 위해서는 모델별 준비 수준을 투명하게 공개하는 거버넌스 관행이 필수적임을 시사합니다.
연구진은 오픈 셀프 호스팅 플랫폼인 PACS-AI를 이용하여 총 6개 병원에 영상 AI 시스템을 구축하고 운영한 과정을 설명합니다. 이 과정에서 발견된 가장 큰 제약 조건은 모델의 정확도가 아니라, 검사 자료 라우팅, 결과 표시, 피드백 수집 및 운영 기록 감사(audit) 기능을 위한 인프라 구축이었습니다.
실제 한 센터 사례를 분석했을 때, 혈관조영술 모델은 총 607건 중 515건의 작업을 완료하여 84.8%의 성공률을 보였습니다. 실패 건수는 진단 뷰가 부재했음을 반영했으며, 임상의 평가(clinician ratings)는 638개 중 78.1%가 긍정적인 결과를 나타냈습니다.
이러한 배포 경험을 통해, AI 도입 시 단순히 높은 모델 정확도에만 집중할 것이 아니라 시스템 통합 및 운영 체계 전반을 고려해야 함을 강조합니다. 또한, 모든 모델의 준비 수준(readiness levels)을 투명하게 공개하는 것 자체가 중요한 거버넌스 관행임을 제시했습니다.