ThyroidXAgent는 병변 위치 파악, 측정, 위험도 분류, 보고서 작성을 하나로 연동하고 임상의가 검토할 수 있는 감사 가능한 증거 기록을 남기는 에이전트형 AI 시스템이다. 약 30만 장의 초음파 영상과 2만 4천 건의 보고서로 구성된 OpenThyroidDB로 개발했고, 35개 기관 8,721건을 포함한 2만 8,458건 비중복 테스트에서 결절 분할 Dice 87.21%, 양성·악성 분류 AUROC 0.9466을 기록했다. 림프절 전이 예측(AUROC 0.864)과 여포성·유두상 갑상선암 분류(0.805)도 지원하며, 근거 기반 보고서 생성은 다중모달 LLM 기준선을 능가했다. 실제로 의사의 분류 정확도를 높이고 보고서 진단 일관성을 70.3%에서 86.2%로 끌어올렸으며 분할·보고 시간을 각각 35.9%, 27.4% 단축했다.
- •30만 장 초음파 영상·2만4천건 보고서로 구성된 OpenThyroidDB 기반 개발
- •결절 분할 Dice 87.21%, 양·악성 분류 AUROC 0.9466
- •보고서 진단 일관성을 70.3%에서 86.2%로 향상
- •분할·보고 시간을 각각 35.9%, 27.4% 단축
- •근거 기반 보고서 생성이 다중모달 LLM 기준선 능가
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting
- 1.갑상선 초음파 에이전트 AI ThyroidXAgent 발표, 결절분할 Dice 87.21%
- 2.양성·악성 분류 AUROC 0.9466, 28,458건(35개 기관) 테스트로 검증
- 3.림프절 전이 예측 AUROC 0.864, 여포·유두형 갑상선암 분류 AUROC 0.805
- 4.보고서 진단 일관성 70.3%→86.2%, 분할·보고 시간 각 35.9%·27.4% 단축
왜 중요한가?
기존 의료 AI가 병변 위치 파악, 측정, 위험도 분류, 보고서 작성을 개별 처리했던 것과 달리 이를 하나의 감사 가능한 증거 기록으로 통합해, 실제 임상 검토에 바로 활용 가능한 신뢰성 있는 워크플로우를 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2608.12590v1 Announce Type: new Abstract: Thyroid ultrasound diagnosis requires coordinated lesion localization, measurement, risk stratification and reporting, yet most AI systems address these tasks in isolation and provide limited support for clinical review. We present ThyroidXAgent, a clinician-interactive agentic AI system that coordinates specialized diagnostic tools and stores their outputs as an auditable case-level evidence record. The system was developed using OpenThyroidDB, a
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:21AI 초안

