기술 요약: Harrison.Rad 1.5 (HR1.5)

문제 정의

영상의학 전문 인력이 기하급수적으로 증가하는 영상 수요 속도를 따라잡지 못하고 있으며, 이로 인해 보고서 작성 지연(backlogs)과 판독 피로도가 발생하여 진단 정확도가 저하되고 있다. 기존의 AI 솔루션들은 탐지나 분류(triage)와 같은 특정 작업에는 뛰어나지만, 핵심적인 병목 구간인 '영상의사가 임상 기록, 이전 검사 결과, 영상 소견을 종합하여 구조화된 보고서를 작성하는 데 드는 시간과 인지적 노력' 문제를 해결하지는 못한다. 현재의 범용 멀티모달 모델 및 특화된 영상의학 AI는 복잡한 추론에 필요한 밀도 높은 도메인 지식이 부족하며, 흉부 X선 이외의 다양한 부위(multi-modality plain-film)에 대한 대응 능력이 떨어지고, 인간 영상의사에게 사용되는 표준 인증 벤치마크를 충족하지 못한다는 한계가 있다.

방법론

Harrison.Rad 1.5 (HR1.5)는 텍스트와 시각적 입력(임상 맥락 및 이전 검사 포함)을 교차하여 받아들여 구조화 및 비구조화 보고서를 생성하도록 설계된 영상의학 특화 멀티모달 거대언어모델(MLLM)이다. 이 모델은 다음과 같은 3단계 학습 파이프라인을 따른다:

1. 도메인 적응 (Domain Adaptation): 베이스 언어 모델을 영상의학 보고서에 특화하여 학습시켜 도메인 역량을 구축한다.
2. 대조적 비전 인코더 학습 (Contrastive Vision-Encoder Training): 약 600만 개의 이미지-보고서 인스턴스를 활용하여 커리큘럼 기반 방식으로 비전 인코더를 텍스트와 정렬한다. 이 단계에서는 임상적으로 유의미한 축을 따라 구성된 '하드 네거티브(hard negatives)'를 사용하여, 어휘적으로는 유사하지만 임상적으로는 구별되는 설명을 모델이 명확히 구분할 수 있도록 난이도(깊이)를 조절하며 학습시킨다.
3. 시각적 질의응답 (VQA) 미세 조정: 실제 사례를 바탕으로 제작된 다회차 임상 대화 데이터셋을 통해 미세 조정을 수행한다. 이 데이터셋은 과소 대표된 병리 현상을 오버샘플링하고 난이도를 제어하도록 설계되어, 모델이 표면적인 통계에 의존하는 대신 임상 기록, 해부학적 위치, 종단적 비교를 통해 추론하는 법을 배우도록 한다.

인프라 및 서빙:
HR1.5는 NVIDIA B20.급 하드웨어에서 학습되었으며, I/O 병목 현상을 제거하기 위해 재설계된 데이터 로딩 파이프라인이 필요했다. 추론을 위해, 환각 현상(hallucinations)을 줄이기 위해 대조적 디코딩(contrastive decoding) 기술을 포함한 맞춤형 vLLM 기반 서빙 스택을 구축하였다. 시스템은 HR1.5가 핵심 컨설턴트 역할을 수행하며 복잡한 작업을 위해 다른 특화 모델들과 협업할 수 있는 "에이전트형(agentic)" 프레임워크(HR1.5+)를 통해 배포된다.

평가 프레임워크:
본 논문은 어휘적 중복보다 임상적 정확성을 보상하는 기존의 메트릭(BLEU, ROUGE, RadGraph-F1)을 비판한다. 대신, HR1.5는 온톨로지 기반의 유의어 매칭 및 극성-모순 탐지를 적용하여 RadGraph-XL을 확장한 Findings-Diagnosis 점수 산정 프레임워크를 사용하여 평가된다. 자동화된 매칭이 불충분한 개방형 작업의 경우, 'Judge Findings-Diagnosis'라는 LLM-as-a-judge를 사용하여 임상적 수용 가능성을 판정한다.

주요 기여

• 범용 영상의학 파운데이션 모델: HR1.5는 흉부뿐만 아니라 근골격계, 복부, 척추, 골반, 유방 촬영술을 포함한 전체 범위의 plain-film 영상의학을 처리할 수 있는 시스템으로 제시된다. 이는 흉부에만 집중된 기존 모델들과 차별화된다.
• 벤치마크 성능: 모델은 인간 영상의사의 자격을 인증하는 표준인 영국 왕립 영상의학회(FRCR) 2B Short Case 시험을 모사하여 평가되었다.
• 설명 가능성 및 신뢰도: 다음을 제공하는 사후 설명 엔진(post-hoc explainability engine)을 도입하였다:
  • 개념 추적 (Concept Tracing): 특정 임상 소견이 모델의 활성화 함수 내에서 선형 방향으로 인코딩되는지 검증한다.
  • 개념 국소화 (Concept Localisation): 질문에 민가감한 Grad-CAM 히트맵과 어텐션 맵을 생성하여, 어떤 이미지 영역이 특정 답변을 유도했는지 보여준다.
  • 신뢰도 추정 (Confidence Estimation): 어텐션 엔트로피, 헤드 간 불일치, 표현 궤적으로부터 도출된 신뢰 점수를 제공하며, "어텐션 싱크(attention sinks)" 현상을 보정하여 더 신뢰할 수 있는 신호(trust signal)를 제공한다.
• 평가 방법론: 저자들은 단일 스칼라 점수의 한계를 해결하기 위해 다차원적 임상 보고서 평가를 위한 미래 표준으로서 C6 프레임워크(Coverage, Correctness, Comprehensiveness, Care, Coherence, Conformity)를 제안한다.

결과

• FRCR 시뮬레이션: 새로운 RCR 표준인 FRCR 2B Short Case 시험 시뮬레이션에서, HR1.5와 그 에이전트 변형인 HR1.5+는 평가된 시스템 중 유일하게 합격 기준(Angoff-method 임계값)을 충족하였다. HR1.5+는 시험지에서 62.5%의 합격률을 기록한 반면, GPT-5.4, Gemini-3, Claude Opus 4.7, MedGemma를 포함한 다른 모든 모델은 50% 미만의 점수를 받았으며 대부분 단 하나의 시험지도 통과하지 못했다.
• 폐쇄형 질문 (Closed-Format Questions): 진단, 소견 존재 여부, 정상/비정상 분류에 대한 폐쇄형 임상 질문에서 HR1.5는 가장 높은 정확도(예: 진단 82.0%, 정상/비정상 82.8%)를 달est했다(흉부, 근골격계 및 기타 신체 부위 포함).
• 개방형 생성: RexGradient 흉부 X선 벤치마크에서 HR1.5+는 가장 높은 Judge Findings-Diagnosis 점수(73.0%)를 기록하였으며, 이는 표면적인 텍스트 중복 메트릭에서 더 높은 점수를 받은 모델들보다 임상적 정확도가 우수함을 나타낸다.
• 질적 분석: 영상의사 검토 결과, HR1.5는 미세한 소견(예: 주상골 골절)을 탐지하고, 이전 검사와 함께 종단적 추론을 수행하며, 정확하게 해부학적 위치를 파악하고, 불필요한 상투적 문구 없이 특정 보고 템플릿에 적응하는 능력을 확인하였다.
• 설명 가능성: 개념 추적 결과 임상 소견에 대해 높은 분리도를 보였다(많은 개념에서 ROC-AUC > 0.85). 국소화 적중률(hit rate)은 높게 나타났으며(CXR 90.2%, MSK 78.7%), 이는 모델이 최종 답변이 틀렸을 때도 임상적으로 관련 있는 영역을 주목하고 있음을 시사한다(이는 탐색 오류가 아닌 인지 오류임을 의미함).

의의 및 주장

본 논문은 HR1.5가 보고서 작성을 위한 노력을 줄임으로써 영상의학 역량 위기를 해결하는 데 중요한 단계라고 주장한다. 주요 의의는 표준화된 진단 기준을 통과하는 것을 입증함으로써, 파운데이션 모델이 전문가 수준의 성능을 달och 수 있음을 보여준 최초의 시스템이라는 점에 있다.

저자들은 HR1.5가 임상용으로 승인되지 않았으며, 연구 및 능력 평가 목적으로만 공개된다는 점을 강조한다. 또한 경쟁 환경은 공동의 진화를 위해 열려 있어야 하지만, 현재의 범용 모델들은 복잡한 영상의학적 추론에 필요한 특정 도메인 지식이 부족하다고 주장한다. 결론적으로 HR1.5가 전문가 수준의 보고 품질에 근접하기는 했으나 아직 완전히 일치하지는 않으며, 향후 연구는 3D/볼륨 이미징 지원과 임상적 안전성 및 미묘한 차이를 더 잘 포착하기 위한 C6 평가 프레임워크의 고도화에 집중될 것이라고 밝혔다.