AI를 이용한 흉부 X-ray 분석: RAD-DINO-MAIRA-2로 6가지 병변 분류

2025년 10월부터 2026년 4월까지 저자는 흉부 X-ray를 입력으로 받아 심장비대, 무기폐, 경화, 흉막삼출, 기흉, 부종의 여섯 가지 병리에 대해 각각 0에서 1 사이의 독립적인 확률을 출력하는 연구용 프로토타입을 구축했습니다. 이 접근법은 고정된 Microsoft RAD-DINO-MAIRA-2 인코더(약 140만 개의 X-ray로 사전 학습된 DINOv2)와 소형 헤드(LayerNorm → Linear(768→256) → GELU → Dropout → Linear(256→6))를 사용하며, 8680만 개의 매개변수 중 199,942개만 학습합니다. 학습에는 AdamW, 배치 크기 64, bf16 정밀도를 사용했으며, RunPod의 A100 80GB에서 약 300달러가 소요되었습니다. 데이터는 VinBigData(15,000개 이미지)와 OpenI(7,466개 이미지)에서 가져왔으며, OpenI 레이블은 방사선 보고서의 규칙 기반 파싱을 통해 추출했으며, 총 22,466개 이미지를 85/15 비율로 분할했습니다. 저자는 처음에 DenseNet121을 시도했지만, 관련 해부학적 부위에 집중하지 못하고 인공물이나 무관한 영역에 주의를 기울이는 히트맵을 보여 실패하여 포기했습니다. 이 프로젝트는 명시적으로 분할이나 보고서 생성을 피하며, 임상 사용을 위해 인증되지 않았습니다. 저자는 러시아에서 3등급 의료기기로 등록하기 위해 임상 시험을 진행할 기관을 찾고 있습니다.