MD.ai

MD.ai는 방사선과 어노테이션 도구이자 같은 데이터를 보는 뷰어다. 플랫폼은 DICOM을 처음부터 기준으로 다루며, 가져오는 과정에서만 거치는 형식으로 취급하지 않는다. 검사는 직접 업로드하거나 Google Cloud, Amazon S3, Azure 버킷을 연결하거나 DICOM C-STORE로 밀어 넣는다. JPEG, PNG, TIFF와 동영상도 환자 단위 폴더 구조로 받는다. 영상과 임상 영상이 섞인 검사에서 쓸모가 있다.

뷰어는 FDA 510(k) 승인을 받았다. 임상 판독과 검토, 보고서 작성이 진단용이 아니라는 고지가 붙은 연구용 뷰어가 아니라 승인된 도구에서 이뤄진다. 확대와 이동, 윈도 조절, 표시 프로토콜, 다평면 재구성, 측정 도구를 갖췄다. 어노테이션이 영상과 같은 작업 공간에 있어 라벨링과 판독을 한 화면에서 끝낼 수 있다.

자체 모델을 배포해 데이터셋에 분산 추론을 돌린다. 결과는 사전 어노테이션으로 들어오고, 담당자가 채택하거나 고치거나 버린다. 프로젝트마다 모델과 설정을 따로 둘 수 있고, 플랫폼은 사람이 붙인 라벨 대비 모델 성과를 기록한다. 대부분의 어노테이션 도구가 빼먹는 피드백 고리가 여기 있다.

연합 어노테이션은 환자 데이터를 한곳에 모으지 않고 여러 기관이 같은 모델을 평가하게 한다. 각 기관이 현지에서 라벨링하거나 추론하고, 밖으로 나가는 건 결과뿐이다. 허가 신청 전에 외부 검증이 필요한 벤더에게는, 몇 달짜리 데이터 공유 계약 없이 여러 기관의 근거를 모으는 거의 유일한 방법이다.

내장된 PHI 탐지가 영상과 메타데이터를 훑어 신원 정보를 찾아내고 내보내기 전에 지운다. 픽셀에 새겨진 글자는 픽셀 단위 익명화가 처리한다. 데이터셋이 병원 밖으로 나갈 수 있는지를 가르는 단계이고, 이 기능이 플랫폼 안에 있으면 별도의 컴플라이언스 과제를 따로 세우지 않아도 된다.

판독 보고서 소프트웨어인 Reporting은 영상의학과 의사의 하루를 잡아먹는 작업에 언어 모델을 붙인다. 템플릿 선택, 받아 적은 소견을 맞는 항목에 매핑, 인상 초안 작성, 교정, 서명 시 청구 코드 생성이다. AI가 이끄는 모드로 가도 되고, 기존 방식으로 받아 적다가 필요할 때만 지원을 불러도 된다.

보고서에는 BI-RADS, LI-RADS, TI-RADS 같은 가이드라인 로직을 끌어올 수 있고, 자체 가이드라인도 추가할 수 있다. 시스템은 새 검사를 과거 보고서와 비교해 달라진 점을 짚는다. 두 기능 모두 판독 자체보다 길어지는 왕복 작업을 줄여 준다.

명령줄 도구와 Python 클라이언트 라이브러리로 프로젝트 생성, 데이터 업로드, 어노테이션 추출, 사용자 관리를 코드에서 처리한다. Reporting은 HL7과 DICOM으로 EHR, HIS, RIS에 연결되고, 토큰 인증을 쓰는 iframe으로 다른 시스템에 넣을 수 있다. 보고서가 병원 자체 흐름 안에서 열린다.