AVIEW NeuroCAD · 2024 코어라인소프트 기술이전
뇌 CT의 출혈 의심 소견과 출혈량을 분석해 우선 판독을 지원합니다. 판독 대기에서 초기 치료 판단까지, 응급 진료의 지연을 줄이는 것이 목표입니다.
Inha University · Digital Medicine
From Too Much Information to Translational Medical Intelligence
의료 데이터의 복잡성을 임상적 통찰로 바꾸고, 진료의 다음 결정을 돕는 AI를 연구합니다.
연구의 임상 적용
연구에서 임상으로, 생명을 위한 기술
긴급한 영상을 먼저 판독하도록, 골든타임에 더 가까이
Translation
연구의 가치를,
진료의 변화로
Coreline Soft · 2024
AVIEW NeuroCAD
뇌출혈 의심 환자를 더 빠르게 확인하도록
뇌 CT의 출혈 의심 부위와 출혈량을 분석해 의료진의 우선 판독을 지원합니다. 영상 분석을 응급 진료의 판단 흐름에 연결하는 기술입니다.
도입 실적과 근거
식약처 혁신의료기기 제7호 지정
AVIEW NeuroCAD의 최초 지정일은 2020년 11월 17일입니다. 2023년 통합심사·평가 및 혁신의료기술 선정과 구분되는 이력입니다.
누적 5만 건 이상의 임상 사용
2026년 6월 보도에 따르면, 같은 해 4월 기준 누적 사용 건수가 5만 건을 넘었습니다. 병원 수가 아닌 제품 사용 건수입니다.
한스경제 · 2026.06.26응급 진료의 우선 판독을 지원
포항세명기독병원은 응급 진료에 NeuroCAD를 도입했습니다. 뇌 CT의 출혈 의심 소견과 정량 정보를 의료진에게 전달해 초기 판단을 돕는 활용 사례입니다.
데일리메디 · 2026.04.07기술이전
연구가 이어진 기술들
촬영 품질부터 정량적 평가까지, 진료 과정의 구체적인 문제를 해결합니다.
GreyNet
Grashey X-ray의 자세와 품질을 평가해, 필요한 재촬영을 방사선사에게 즉시 요청합니다.
FlatNet
체중 부하 족부 X-ray의 랜드마크를 검출해, 측정 편차를 줄이고 일관된 평발 평가를 돕습니다.
ProRetina
Bayesian U-Net의 불확실성으로 망막 혈관 분할을 개선하고, 영상 품질을 함께 평가합니다.
2025 · 잇피 · Itphy
GreyNet
촬영 직후 품질을 확인
Grashey X-ray의 촬영 자세와 품질을 평가해, 재촬영이 필요한 경우 방사선사에게 즉시 요청하는 솔루션입니다. 환자가 촬영실을 떠나기 전 품질을 확인하는 워크플로우를 지향합니다.
2023 · 프로메디우스 · Promedius
FlatNet
평발 평가를 더 객관적으로
체중 부하 족부 측면 X-ray의 랜드마크를 검출합니다. 전문의와 비교한 연구에서 더 낮은 검출 오차를 보여, 평가자에 따른 측정 편차를 줄이고 일관된 평발 평가를 돕습니다.
비교 연구 읽기 ↗2023 · 프로메디우스 · Promedius
FlatNet
평발 평가를 더 객관적으로
체중 부하 족부 측면 X-ray의 랜드마크를 검출합니다. 전문의와 비교한 연구에서 더 낮은 검출 오차를 보여, 평가자에 따른 측정 편차를 줄이고 일관된 평발 평가를 돕습니다.
비교 연구 읽기 ↗2023 · 프로메디우스 · Promedius
FlatNet
평발 평가를 더 객관적으로
체중 부하 족부 측면 X-ray의 랜드마크를 검출합니다. 전문의와 비교한 연구에서 더 낮은 검출 오차를 보여, 평가자에 따른 측정 편차를 줄이고 일관된 평발 평가를 돕습니다.
비교 연구 읽기 ↗연구가 이어진 기술들
GreyNet
잇피 · Itphy촬영 직후 품질을 확인
Grashey X-ray의 촬영 자세와 품질을 평가해, 재촬영이 필요한 경우 방사선사에게 즉시 요청하는 솔루션입니다. 환자가 촬영실을 떠나기 전 품질을 확인하는 워크플로우를 지향합니다.
FlatNet
프로메디우스 · Promedius평발 평가를 더 객관적으로
체중 부하 족부 측면 X-ray의 랜드마크를 검출합니다. 전문의와 비교한 연구에서 더 낮은 검출 오차를 보여, 평가자에 따른 측정 편차를 줄이고 일관된 평발 평가를 돕습니다.
비교 연구 읽기ProRetina
프로메디우스 · Promedius혈관 분할과 품질 평가를 함께
Bayesian U-Net의 불확실성(Uncertainty)을 활용해 망막 혈관 분할 성능을 높이면서 영상 품질을 함께 평가합니다. 분석 결과와 신뢰도를 함께 살피는 모델입니다.
영상 품질
촬영실을 떠나기 전에,
영상 품질을 확인합니다
GreyNet은 Grashey X-ray의 랜드마크를 검출해 촬영 자세와 품질을 확인하고, 필요 시 방사선사에게 즉시 재촬영을 요청하는 솔루션입니다. 촬영과 품질 확인을 한 흐름으로 연결하는 것이 핵심입니다.
관련 논문 읽기Our mission
정보를 지능으로, 연구를 임상으로
좋은 예측을 넘어, 진료의 변화로
좋은 예측은 진료의 변화를 만들어야 합니다. 영상과 생체신호, 임상기록을 연결해 진료 과정의 병목을 줄이고, 치료 후의 변화를 예측하며, 환자별 선택을 뒷받침하는 근거를 만듭니다.
진료에서 질문을 찾습니다
어디서 판단이 지연되고, 어떤 정보가 부족한가. 의료진과 함께 해결할 문제와 평가 기준을 정의합니다.
다른 데이터를 함께 해석합니다
해부학적 구조, 시간에 따른 변화, 임상 맥락을 반영해 문제에 맞는 AI를 설계합니다.
성능을 임상적 가치로 연결합니다
정확도와 불확실성, 새로운 데이터에서의 성능을 평가하고 진료 과정에 적용할 방법을 연구합니다.
좋은 예측은 진료의 변화를 만들어야 합니다. 영상과 생체신호, 임상기록을 연결해 진료 과정의 병목을 줄이고, 치료 후의 변화를 예측하며, 환자별 선택을 뒷받침하는 근거를 만듭니다.
진료에서 질문을 찾습니다
어디서 판단이 지연되고, 어떤 정보가 부족한가. 의료진과 함께 해결할 문제와 평가 기준을 정의합니다.
다른 데이터를 함께 해석합니다
해부학적 구조, 시간에 따른 변화, 임상 맥락을 반영해 문제에 맞는 AI를 설계합니다.
성능을 임상적 가치로 연결합니다
정확도와 불확실성, 새로운 데이터에서의 성능을 평가하고 진료 과정에 적용할 방법을 연구합니다.
진료에서 질문을 찾습니다
어디서 판단이 지연되고, 어떤 정보가 부족한가. 의료진과 함께 해결할 문제와 평가 기준을 정의합니다.
다른 데이터를 함께 해석합니다
해부학적 구조, 시간에 따른 변화, 임상 맥락을 반영해 문제에 맞는 AI를 설계합니다.
성능을 임상적 가치로 연결합니다
정확도와 불확실성, 새로운 데이터에서의 성능을 평가하고 진료 과정에 적용할 방법을 연구합니다.
좋은 예측은 진료의 변화를 만들어야 합니다. 영상과 생체신호, 임상기록을 연결해 진료 과정의 병목을 줄이고, 치료 후의 변화를 예측하며, 환자별 선택을 뒷받침하는 근거를 만듭니다.
진료에서 질문을 찾습니다
어디서 판단이 지연되고, 어떤 정보가 부족한가. 의료진과 함께 해결할 문제와 평가 기준을 정의합니다.
다른 데이터를 함께 해석합니다
해부학적 구조, 시간에 따른 변화, 임상 맥락을 반영해 문제에 맞는 AI를 설계합니다.
성능을 임상적 가치로 연결합니다
정확도와 불확실성, 새로운 데이터에서의 성능을 평가하고 진료 과정에 적용할 방법을 연구합니다.
Our mission
정보를 지능으로,
연구를 임상으로
좋은 예측은 진료의 변화를 만들어야 합니다. 영상과 생체신호, 임상기록을 연결해 진료 과정의 병목을 줄이고, 치료 후의 변화를 예측하며, 환자별 선택을 뒷받침하는 근거를 만듭니다.
Clinical questions
진료에서 질문을 찾습니다
어디서 판단이 지연되고, 어떤 정보가 부족한가. 의료진과 함께 해결할 문제와 평가 기준을 정의합니다.
Data & methods
다른 데이터를 함께 해석합니다
해부학적 구조, 시간에 따른 변화, 임상 맥락을 반영해 문제에 맞는 AI를 설계합니다.
Clinical evaluation
성능을 임상적 가치로 연결합니다
정확도와 불확실성, 새로운 데이터에서의 성능을 평가하고 진료 과정에 적용할 방법을 연구합니다.
연구 분야
연구 목표 1 - 임상 워크플로우 개선
분석 결과가 다음 진료로 이어지도록
촬영부터 판독, 기록 검토까지. 의료진이 놓치기 쉬운 신호와 반복 확인하는 정보를 AI로 찾아, 필요한 판단이 제때 이루어지는 워크플로우를 연구합니다.
- 연구 방법
- 영상 품질 평가 · 종단 판독문 분석 · LLM 오류 탐지
- 임상적 의의
- 반복 검토를 줄이고, 우선 확인할 정보를 진료 흐름 안에서 제시합니다.
연구 목표
촬영부터 판독, 기록 검토까지. 의료진이 놓치기 쉬운 신호와 반복 확인하는 정보를 AI로 찾아, 필요한 판단이 제때 이루어지는 워크플로우를 연구합니다.
- 연구 방법
- 영상 품질 평가 · 종단 판독문 분석 · LLM 오류 탐지
- 임상적 의의
- 반복 검토를 줄이고, 우선 확인할 정보를 진료 흐름 안에서 제시합니다.
판독문을 시간의 흐름 속에서 읽다
이전 검사와 추적 검사 사이의 오류를 검출하는 연구 설계입니다. 실제 진료 도입에 앞서 오류 유형별 성능과 위양성을 평가합니다.
반복 검토를 줄이고, 우선 확인할 정보를 진료 흐름 안에서 제시합니다.
CT 비교 예시
촬영부터 판독, 기록 검토까지. 의료진이 놓치기 쉬운 신호와 반복 확인하는 정보를 AI로 찾아, 필요한 판단이 제때 이루어지는 워크플로우를 연구합니다.
- 연구 방법
- 영상 품질 평가 · 종단 판독문 분석 · LLM 오류 탐지
- 데이터영상·판독문
- 분석품질·오류 평가
- 목표적시에 임상 검토
판독문을 시간의 흐름 속에서 읽다
이전 검사와 추적 검사 사이의 오류를 검출하는 연구 설계입니다. 실제 진료 도입에 앞서 오류 유형별 성능과 위양성을 평가합니다.
연구 목표
촬영부터 판독, 기록 검토까지. 의료진이 놓치기 쉬운 신호와 반복 확인하는 정보를 AI로 찾아, 필요한 판단이 제때 이루어지는 워크플로우를 연구합니다.
- 연구 방법
- 영상 품질 평가 · 종단 판독문 분석 · LLM 오류 탐지
- 임상적 의의
- 반복 검토를 줄이고, 우선 확인할 정보를 진료 흐름 안에서 제시합니다.
기반 연구 · 다음 단계
판독문을 시간의 흐름 속에서 읽다
이전 검사와 추적 검사 사이의 오류를 검출하는 연구 설계입니다. 실제 진료 도입에 앞서 오류 유형별 성능과 위양성을 평가합니다.
연구 분야
연구 목표 1. 임상 워크플로우 개선
분석 결과가 다음 진료로 이어지도록
촬영부터 판독, 기록 검토까지. 의료진이 놓치기 쉬운 신호와 반복 확인하는 정보를 AI로 찾아, 필요한 판단이 제때 이루어지는 워크플로우를 연구합니다.
- 연구 방법
- 영상 품질 평가 · 종단 판독문 분석 · LLM 오류 탐지
- 임상적 의의
- 반복 검토를 줄이고, 우선 확인할 정보를 진료 흐름 안에서 제시합니다.
판독문을 시간의 흐름 속에서 읽다
이전 검사와 추적 검사 사이의 오류를 검출하는 연구 설계입니다. 실제 진료 도입에 앞서 오류 유형별 성능과 위양성을 평가합니다.
연구 분야
연구 목표 2 - 디지털 트윈
치료 이후를 예측하는 환자별 모델
해부학적 구조와 시간에 따른 변화를 모델링합니다. 성장 예측 연구를 기반으로, 수술 전 영상과 임상정보에서 수술 후 상태를 예측하는 서지컬 디지털 트윈으로 연구를 확장합니다.
- 연구 방법
- 해부학적 랜드마크 · 종단 모델링 · 수술 결과 예측
- 임상적 의의
- 가능한 치료 시나리오를 비교하고, 수술 계획과 환자 상담을 위한 예측 근거를 연구합니다.
연구 목표
해부학적 구조와 시간에 따른 변화를 모델링합니다. 성장 예측 연구를 기반으로, 수술 전 영상과 임상정보에서 수술 후 상태를 예측하는 서지컬 디지털 트윈으로 연구를 확장합니다.
- 연구 방법
- 해부학적 랜드마크 · 종단 모델링 · 수술 결과 예측
- 임상적 의의
- 가능한 치료 시나리오를 비교하고, 수술 계획과 환자 상담을 위한 예측 근거를 연구합니다.
해부학적 변화의 예측에서 수술 계획으로
의료 영상에서 초기·추적 관찰·AI 예측 랜드마크를 비교합니다. 성장·교정치료 변화 예측을 기반으로, 수술 후 상태와 치료 시나리오 예측으로 확장합니다.
가능한 치료 시나리오를 비교하고, 수술 계획과 환자 상담을 위한 예측 근거를 연구합니다.
해부학적 구조와 시간에 따른 변화를 모델링합니다. 성장 예측 연구를 기반으로, 수술 전 영상과 임상정보에서 수술 후 상태를 예측하는 서지컬 디지털 트윈으로 연구를 확장합니다.
- 연구 방법
- 해부학적 랜드마크 · 종단 모델링 · 수술 결과 예측
- 관찰해부학적 변화
- 모델환자별 예측
- 목표수술 계획의 근거
해부학적 변화의 예측에서 수술 계획으로
의료 영상에서 초기·추적 관찰·AI 예측 랜드마크를 비교합니다. 성장·교정치료 변화 예측을 기반으로, 수술 후 상태와 치료 시나리오 예측으로 확장합니다.
연구 목표
해부학적 구조와 시간에 따른 변화를 모델링합니다. 성장 예측 연구를 기반으로, 수술 전 영상과 임상정보에서 수술 후 상태를 예측하는 서지컬 디지털 트윈으로 연구를 확장합니다.
- 연구 방법
- 해부학적 랜드마크 · 종단 모델링 · 수술 결과 예측
- 임상적 의의
- 가능한 치료 시나리오를 비교하고, 수술 계획과 환자 상담을 위한 예측 근거를 연구합니다.
기반 연구 · 다음 단계
해부학적 변화의 예측에서 수술 계획으로
의료 영상에서 초기·추적 관찰·AI 예측 랜드마크를 비교합니다. 성장·교정치료 변화 예측을 기반으로, 수술 후 상태와 치료 시나리오 예측으로 확장합니다.
연구 분야
연구 목표 2. 디지털 트윈
치료 이후를 예측하는 환자별 모델
해부학적 구조와 시간에 따른 변화를 모델링합니다. 성장 예측 연구를 기반으로, 수술 전 영상과 임상정보에서 수술 후 상태를 예측하는 서지컬 디지털 트윈으로 연구를 확장합니다.
- 연구 방법
- 해부학적 랜드마크 · 종단 모델링 · 수술 결과 예측
- 임상적 의의
- 가능한 치료 시나리오를 비교하고, 수술 계획과 환자 상담을 위한 예측 근거를 연구합니다.
해부학적 변화의 예측에서 수술 계획으로
의료 영상에서 초기·추적 관찰·AI 예측 랜드마크를 비교합니다. 성장·교정치료 변화 예측을 기반으로, 수술 후 상태와 치료 시나리오 예측으로 확장합니다.
연구 분야
연구 목표 3 - 정밀의료 · 근거기반 치료
같은 진단을 넘어, 환자별 치료의 근거로
영상 속 미세한 구조와 생체신호의 패턴을 정량화하고, 예측이 얼마나 신뢰할 만한지 함께 평가합니다. 환자별 위험과 치료 반응을 해석하는 근거기반 정밀의료를 지향합니다.
- 연구 방법
- 베이지안 불확실성 · 영상 정량화 · 생체신호 분석
- 임상적 의의
- 측정값과 신뢰도를 함께 해석해 환자별 위험 평가와 치료 반응 연구의 기반을 만듭니다.
연구 목표
영상 속 미세한 구조와 생체신호의 패턴을 정량화하고, 예측이 얼마나 신뢰할 만한지 함께 평가합니다. 환자별 위험과 치료 반응을 해석하는 근거기반 정밀의료를 지향합니다.
- 연구 방법
- 베이지안 불확실성 · 영상 정량화 · 생체신호 분석
- 임상적 의의
- 측정값과 신뢰도를 함께 해석해 환자별 위험 평가와 치료 반응 연구의 기반을 만듭니다.
정밀한 측정, 신뢰할 수 있는 해석
망막 혈관 분할과 심전도 분석은 정밀의료를 위한 기반 연구입니다. 질병의 조기 예측과 치료 선택으로 연결하는 방법을 연구합니다.
측정값과 신뢰도를 함께 해석해 환자별 위험 평가와 치료 반응 연구의 기반을 만듭니다.
영상 속 미세한 구조와 생체신호의 패턴을 정량화하고, 예측이 얼마나 신뢰할 만한지 함께 평가합니다. 환자별 위험과 치료 반응을 해석하는 근거기반 정밀의료를 지향합니다.
- 연구 방법
- 베이지안 불확실성 · 영상 정량화 · 생체신호 분석
- 측정영상·생체신호
- 해석정량값과 신뢰도
- 목표환자별 치료 근거
정밀한 측정, 신뢰할 수 있는 해석
망막 혈관 분할과 심전도 분석은 정밀의료를 위한 기반 연구입니다. 질병의 조기 예측과 치료 선택으로 연결하는 방법을 연구합니다.
연구 목표
영상 속 미세한 구조와 생체신호의 패턴을 정량화하고, 예측이 얼마나 신뢰할 만한지 함께 평가합니다. 환자별 위험과 치료 반응을 해석하는 근거기반 정밀의료를 지향합니다.
- 연구 방법
- 베이지안 불확실성 · 영상 정량화 · 생체신호 분석
- 임상적 의의
- 측정값과 신뢰도를 함께 해석해 환자별 위험 평가와 치료 반응 연구의 기반을 만듭니다.
기반 연구 · 다음 단계
정밀한 측정, 신뢰할 수 있는 해석
망막 혈관 분할과 심전도 분석은 정밀의료를 위한 기반 연구입니다. 질병의 조기 예측과 치료 선택으로 연결하는 방법을 연구합니다.
연구 분야
연구 목표 3. 정밀의료 · 근거기반 치료
같은 진단을 넘어, 환자별 치료의 근거로
영상 속 미세한 구조와 생체신호의 패턴을 정량화하고, 예측이 얼마나 신뢰할 만한지 함께 평가합니다. 환자별 위험과 치료 반응을 해석하는 근거기반 정밀의료를 지향합니다.
- 연구 방법
- 베이지안 불확실성 · 영상 정량화 · 생체신호 분석
- 임상적 의의
- 측정값과 신뢰도를 함께 해석해 환자별 위험 평가와 치료 반응 연구의 기반을 만듭니다.
정밀한 측정, 신뢰할 수 있는 해석
망막 혈관 분할과 심전도 분석은 정밀의료를 위한 기반 연구입니다. 질병의 조기 예측과 치료 선택으로 연결하는 방법을 연구합니다.
People
구성원 소개
신기원 · 조교수 · PhD
인하대학교 의과대학 디지털의료학과
의료영상·생체신호·멀티모달 AI를 임상으로 연결하는 중개연구
의료 AI 중개연구
신기원
조교수 · PhD
인하대학교 의과대학 디지털의료학과
빠르게 발전하는 AI를 의료 현장에 도입하는 중개연구를 수행합니다. 의료영상·생체신호·멀티모달 AI를 바탕으로 임상 워크플로우 개선, 수술 결과 예측, 근거기반 치료를 연구합니다.
의료영상·생체신호·멀티모달 AI를 임상 워크플로우 개선과 근거기반 치료로 연결합니다.
학력
2023의공학 박사울산대학교
한양대학교 기계공학 석사·학사
학술 활동
2024–MICCAIArea/Program Chair
2025–대한의료인공지능학회학술위원
People
구성원 소개
신기원
조교수 · PhD
빠르게 발전하는 AI를 의료 현장에 도입하는 중개연구를 수행합니다. 의료영상·생체신호·멀티모달 AI를 바탕으로 임상 워크플로우 개선, 수술 결과 예측, 근거기반 치료를 연구합니다.
학력 · 주요 경력
학력
- 2023 · 울산대학교 의공학 박사
- 2013 · 한양대학교 기계공학 석사
- 2011 · 한양대학교 기계공학 학사
주요 경력
- 2025–현재 · 대한의료인공지능학회 학술위원
- 2024–현재 · MICCAI Area/Program Chair
- 2026–현재 · 인하대학교 의과대학 조교수
- 2025–2026 · 울산대학교 의과대학 연구교수
- 2023–2025 · 고려대학교 의과대학 연구교수
- 2018–2023 · 서울아산병원 연구원·박사후연구원
- 2013–2018 · 현대자동차 연구원
연구 활동
연구 프로필
Medical Multi-Modal AI · Clinical AI Implementation
- 총 인용
- 1,091
- h-index
- 15
- i10-index
- 18