다중모달 대형언어모델(MLLM)의 발전으로 방사선 AI가 특정 과제 중심 영상 분석을 넘어 다중모달 이해·추론으로 확장되고 있다. 하지만 체적(volumetric) 방사선영상은 근본적인 표현 불일치 문제를 안고 있다. 임상 판독은 전체 볼륨의 공간적 맥락과 촬영 조건별 정량 정보를 필요로 하지만, 현재 MLLM은 대개 선별된 2차원 이미지나 압축된 시각 표현, 판독문 기반 텍스트로만 조건화되기 때문이다. 저자들은 2026년 7월까지 발표된 200편 이상의 문헌을 검토해 체적 표현·다중모달 이해(모델 수준), 에이전트 오케스트레이션(시스템 수준), 임상 적용·평가를 정리하고, 기술·워크플로·임상 주장이 적절한 설계·검증과 부합하는지 평가하는 '주장-설계-검증' 프레임워크를 제시한다. 네이티브 체적 모델링과 에이전트 기능의 필요성은 과제의 공간적·정량적·맥락적·워크플로 요구에 달려 있으며, 임상적 신뢰성을 위해서는 충실한 체적 표현, 추적 가능한 시스템 동작, 주장에 부합하는 검증, 명확한 인간 감독이 필요하다고 결론짓는다.

• •체적 방사선영상은 임상 판독에 필요한 3D 공간·정량 정보와 현재 MLLM의 2D 중심 입력 간 '표현 불일치' 문제 존재
• •2026년 7월까지 200편 이상 문헌을 체적 표현/다중모달 이해(모델), 에이전트 오케스트레이션(시스템) 두 층위로 정리
• •'주장-설계-검증(Claim-Design-Validation)' 프레임워크로 기술·임상 주장과 설계·검증의 정합성 평가
• •네이티브 3D 모델링 필요 여부는 과제별 공간·정량·맥락·워크플로 요구에 따라 달라짐
• •임상적 신뢰를 위해 충실한 체적 표현, 추적 가능한 시스템 동작, 명확한 인간 감독이 필요