림프절 전이 진단 인공지능 모델 개발

주장림프절 전이의 정확한 식별은 암 진단과 치료 계획 수립에 필수적이지만, 기존 병리학적 분석은 시간이 오래 걸리고 오류가 발생할 가능성이 큽니다.

팩트연구진은 이러한 문제를 해결하기 위해 비전 맘바와 고저 주의 분리 메커니즘을 결합한 인공지능 모델을 개발했습니다.

팩트개발된 모델의 명칭은 맘바엠아이엘플러스하이엘에이엠아이엘이며, 다중 인스턴스 학습 방식을 채택했습니다.

주장인공지능 모델은 4가지 특징 추출기인 레즈넷, 유니, 버처우,기가패스를 사용하여 6개의 기존 기준 모델과 성능을 비교했습니다.

팩트모델 평가를 위해 10겹 교차 검증 방식을 사용했으며, 그 결과 새로운 모델이 모든 기준 모델보다 우수한 성능을 보였습니다.

주장해당 모델은 고립된 종양 세포와 미세 전이 탐지에서 탁월한 능력을 입증했습니다.

팩트인공지능 모델은 음성 사례와 거대 전이 사례에서도 높은 성능을 유지하며, 다중 암종 및 다양한 개별 암 유형 전반에 걸쳐 안정적인 진단 결과를 제공합니다.

주장이 모델은 임상 환경에서 림프절 전이 분류를 위한 신뢰할 수 있는 도구로 활용될 수 있습니다.

팩트특징 추출기 성능 비교 결과, 유니와 기가패스가 레즈넷과 버처우보다 더 나은 성능을 나타냈습니다.

주장최신 특징 추출 기술은 의료 영상 분석의 정확도 향상에 핵심적인 역할을 합니다.

교차검증연구진은 다중 센터 데이터와 다양한 특징 추출기를 사용하여 모델의 견고성을 검증했습니다. 다만, 실제 임상 현장의 다양한 병원 환경에서 발생할 수 있는 데이터 편향성에 대한 지속적인 모니터링이 필요합니다.

팩트연구진은 랴오닝성 자연과학재단, 랴오닝성 의학 교육 연구 프로젝트, 중앙 대학 기초 연구 기금, 중국 국가 자연과학재단으로부터 연구 자금을 지원받았습니다.

팩트해당 연구는 다롄 공과대학교 암 병원과 소프트웨어 기술 대학의 협력으로 진행되었습니다.

주장이번 연구는 약지도 학습을 통해 대규모 전체 슬라이드 이미지에서 암 전이를 효율적으로 탐지할 수 있는 가능성을 제시했습니다.

팩트이 연구는 병리학자의 업무 효율을 높이고 진단 정확도를 개선합니다.

팩트해당 논문은 2025년 7월 18일에 접수되어 2026년 7월 28일에 승인되었으며, 2026년 8월 14일에 네이처 커뮤니케이션즈를 통해 공식 발표되었습니다.

출처Sun, L., Yao, S., Jia, Q. et al. Weakly supervised artificial intelligence for multi-cancer detection of lymph node metastasis on whole slide images. Nat Commun (2026). https://doi.org/10.1038/s41467-026-76410-w을 교차 검증했습니다.