AI로 읽는 유방 초음파(AI 문고)(AI 문고)

정확도 경쟁을 넘어, 사람과 AI가 서로의 오류를 줄이는 방법
유방 초음파는 병변을 실시간으로 관찰할 수 있지만 검사자의 경험과 프로브의 각도, 장비 설정에 따라 영상과 판독이 달라질 수 있다. 바로 이 불확실성 속에서 AI가 무엇을 할 수 있는지 묻는다. 출발점은 "AI가 인간보다 정확한가"였지만, 연구가 진행될수록 질문은 달라진다. 인간이 놓친 병변을 AI가 어떻게 보완하고, AI가 틀렸을 때 의료진은 그 오류를 어떻게 발견할 것인가. 이 책은 국내 임상 데이터를 직접 정리하고 병변을 표시해 딥러닝 모델을 학습시킨 경험을 바탕으로 유방 초음파 AI의 실제 작동 과정을 풀어낸다. BI-RADS부터 U-Net과 영상 분할, 정확도·민감도·정밀도·Dice·IoU의 차이, 거짓양성과 거짓음성, 한국형 데이터와 외부 검증의 필요성까지 설명한다. 높은 성능 수치가 곧 안전한 의료를 뜻하지 않는 이유도 짚는다. AI가 제시한 병변과 경계는 정답이 아니라 하나의 근거다. 최종 판단은 환자의 증상과 과거력, 다른 검사 결과를 함께 살피는 의료진에게 남는다. 의료 AI의 목표는 인간을 이기는 것이 아니라 인간과 AI가 서로의 오류를 줄이는 데 있다.

AI는 유방 초음파 판독을 어떻게 변화시키는가

01 영상 판독의 불확실성
02 유방 초음파 영상 형성 원리
03 유방 병변의 영상학적 특징
04 영상 특징 추출과 표현 학습
05 영상 분류와 병변 분할
06 딥러닝 학습 구조와 성능의 한계
07 AI 성능 평가 지표
08 AI 진단 연구 설계 구조
09 AI와 임상 의사 결정
10 초음파 AI의 발전 방향

윤서영 동의대학교 대학원 보건의과학과에서 방사선학 석사학위를 받았다. 석사과정에서는 국내 유방 초음파 영상을 이용해 정상 조직과 종괴를 구분하고 U-Net으로 병변 영역을 분할하는 딥러닝 연구를 수행했다. 주요 논문으로 "딥러닝을 활용한 한국형 유방초음파 영상 정상?종괴 구분 연구"(2025)가 있다. 현재는 유방 초음파 영상의 특성과 AI 분석 결과를 임상 현장에서 이해하고 안전하게 활용하는 방법에 관심을 두고 있다.