DIAGENS iMed-6.0, 509개 대상을 포괄하는 CT 모델 추가
DIAGENS는 2026년 11월 12일 DIAGENS iMed-6.0의 벤치마크 결과와 함께 509개 질환 및 영상 소견을 포괄하는 CT 모델을 공개했다. 이번 발표는 회사가 밝힌 영상 분석 범위를 확장하지만, 그러한 폭넓은 기능이 신뢰할 수 있는 임상 지원으로 어떻게 이어지는지라는 중요한 질문은 여전히 남긴다.
핵심적인 긴장은 모델이 평가하는 이상 소견의 범위와 환자 진료 활용을 뒷받침하는 근거 사이에 있다. 대상 목록이 길어질수록 도움을 줄 기회도 늘어나지만, 해석·검증·적절한 처리가 필요한 결과도 많아진다.
Alibaba DAMO Academy의 RADAR는 한 검사 안에서 여러 소견을 다루는 시스템, 즉 범용 영상 AI에 관한 관련 연구 기준점이 된다. 병원 구매자와 개발자에게 유용한 비교는 단순한 수치상의 대상 개수가 아니라 평가 방법과 워크플로 성능에 관한 것이다.
DIAGENS iMed-6.0가 실제로 추가한 기능
이번 발표는 더 폭넓은 영상 모델군을 명확히 정의된 흉부 및 복부 CT 애플리케이션과 연결한다.
CT(컴퓨터 단층촬영)는 신체의 단면 영상을 생성한다. DIAGENS는 새 애플리케이션이 조영제 사용 여부와 관계없이 검사를 지원한다고 밝혔으며, 조영제는 일부 스캔에서 구조를 구분하는 데 도움이 된다. 회사의 CT 모델 발표는 질환과 영상 소견 전반을 아우르는 분석 범위를 설명한다.
이 표현은 주목할 필요가 있다. 영상 소견은 검사에서 관찰되는 무언가를 의미하는 반면, 질환 라벨은 의학적 상태를 의미한다. 두 범주는 겹칠 수 있지만, 하나의 공동 대상 목록에 포함됐다고 해서 모든 대상이 독립적으로 확립된 진단이 되는 것은 아니다.
실무적 목표는 이해할 수 있다. 하나의 공유 시스템으로 여러 질문을 지원할 만큼 폭넓게 검사를 분석하는 것이다. 가치는 단순히 더 많은 출력을 생성하는 능력이 아니라, 그러한 질문 전반에서 유용한 지원을 제공하는 데서 나올 것이다.
DIAGENS는 중간 규모 iMed-6.0 버전을 Thoth, 소형 버전을 Aegis로 지칭한다. CT 애플리케이션은 Aegis를 기반으로 한다. 최대 규모 버전인 Horus는 추가 평가 공개를 위한 회사의 계획에 여전히 포함돼 있다.
이러한 구분은 모델군과 이번 발표에서 설명된 애플리케이션을 분리한다. 한 버전과 연관된 결과가 다른 버전으로 자동 이전되어서는 안 된다. 마찬가지로 일반 벤치마크 결과가 특정 CT 워크플로에 관한 근거를 대신해서는 안 된다.
개발자에게 이는 단순한 문서화 문제를 만든다. 정확히 어떤 모델이 어떤 결과를 냈는가? 기반 버전, 애플리케이션 구성 또는 지원 입력이 명확한 기록 없이 바뀌면 평가는 해석하기 어려워진다.
구매자에게 이에 대응하는 질문은 실제로 무엇을 받게 되는가다. 연구 결과, 평가 서비스, 프로덕션 애플리케이션은 서로 다른 약속을 의미한다. 이번 발표만으로 독자가 설명된 모든 기능이 같은 배포 상태에 있다고 가정해서는 안 된다.
더 좁은 해석이 더 유용하기도 하다. DIAGENS는 명시된 기능의 구체적인 확장을 제시했다. 그 확장이 신뢰할 수 있는 지원을 뒷받침하는지는 개별 활용 사례에 연결된 근거에 달려 있다.
따라서 DIAGENS iMed-6.0를 평가하는 구매자는 의도한 업무부터 시작해야 한다. 놓칠 수 있는 소견을 찾기 위한 검사 검토는 보고서 초안 작성이나 작업 목록 우선순위 설정 지원과 다른 요구사항을 제시한다.
이러한 차이는 성공의 의미를 결정한다. 출력이 불필요한 검토를 만들거나, 긴급 정보를 가리거나, 임상의가 어떻게 대응해야 할지 불확실하게 만든다면 더 많은 소견을 찾아내는 것만으로는 불완전한 목표다.
이번 발표는 폭넓은 분석 범위를 의제로 올렸다. 다음 질문은 광범위한 모델이 명확히 정의된 임상 업무를 더 쉽게 수행하고 더 쉽게 평가하도록 만들 수 있는가다.
폭넓은 범위는 더 높은 입증 부담을 낳는다
범용 CT 모델의 가치는 지원 대상 목록의 길이가 아니라 유용한 의사결정을 통해 입증된다.
압력은 DIAGENS와 잠재적인 병원 평가자에게 가장 직접적으로 가해진다. 시스템이 폭넓은 분석 범위를 제공하기 시작하면, 그 평가는 의도한 업무 전반에서 그러한 범위가 어떻게 작동하는지 설명해야 한다.
어시스턴트가 완료된 스캔에서 여러 가능한 이상 소견을 표시하는 가상의 검토 워크플로를 생각해 보자. 관련 결과는 단순히 소견을 생성하는지 여부가 아니다. 평가자는 임상의가 그 소견으로 무엇을 하는지 이해해야 한다.
출력은 검토할 가치가 있는 부분에 주의를 환기할 수 있다. 이미 보고서에 있는 관찰을 반복하거나, 관련 없는 가능성을 제시하거나, 추가 조사를 요구할 수도 있다. 이러한 가능성에는 서로 다른 유용성 측정 기준이 필요하다.
그래서 시범 운영을 시작하기 전에 제안된 역할이 중요하다. 보고서 검토를 지원하려는 어시스턴트는 보고서 검토 요구사항에 맞춰 평가해야 한다. 관련 없는 더 광범위한 업무 모음에서의 성능은 그 결정에 불완전한 근거만 제공한다.
폭넓은 분석 범위는 결과 제시 방식도 더 중요하게 만든다. 임상의는 실행 가능한 정보와 불확실하거나 뒷받침되지 않은 출력을 구별할 수 있어야 한다. 가능한 모든 소견을 똑같이 중요하게 취급하면 인터페이스를 판단하기가 더 어려워진다.
이는 설계 문제인 만큼 평가 문제이기도 하다. 모델의 점수와 그 점수가 사용자에게 전달되는 방식은 하나의 결합된 워크플로를 이룬다. 기반 모델만 시험하면 제안된 개입의 일부는 검토되지 않은 채 남는다.
유용한 시범 운영은 출력이 기존 업무에 어떻게 들어가는지, 누가 검토하는지, 시스템이 검사를 평가할 수 없을 때 무엇이 일어나는지를 명시해야 한다. 이는 발표로 확립된 기능이 아니라 제안된 평가 요구사항이다.
구매자에게는 의미 있는 비교 대상도 필요하다. 관련 대안은 기존 임상 관행, 확립된 전문 애플리케이션 또는 다른 제안된 어시스턴트일 수 있다. 추상적인 이상과 비교하면 새 시스템이 실질적인 개선을 제공하는지 가려진다.
이는 전문 공급업체에 다른 종류의 압력을 가한다. 광범위한 모델은 별도 애플리케이션이 여전히 필요한지에 관한 질문을 불러온다. 전문 업체는 분석 범위만으로 경쟁하기보다 의도된 업무에 관한 집중된 근거로 답할 수 있다.
상업적 의미는 여전히 조건부다. 기능 통합은 유용한 성능을 유지하면서 불필요한 복잡성을 줄인다면 매력적일 것이다. 광범위한 추가 확인이 필요한 공유 모델은 다른 조건을 제시하게 된다.
의료 분야 밖의 AI 제품 팀에게 이번 발표는 익숙한 평가 문제를 보여준다. 시스템은 각 활용을 뒷받침하는 근거보다 더 빠르게 명시된 기능을 확장할 수 있다. 제품 범위와 입증된 신뢰성은 별도의 기록이 필요하다.
이러한 주장을 추적하는 팀은 출시 문서와 평가 메모를 검색 가능한 지식 베이스에 정리할 수 있다. 이는 근거 관리를 지원하지만, 임상 의사결정에는 여전히 적절한 임상 시스템과 감독이 필요하다.
따라서 폭넓은 분석 범위의 즉각적인 결과는 더 엄격한 평가다. 제안된 각각의 활용에는 명확한 목적, 적절한 비교, 그리고 결합된 워크플로가 도입할 가치가 있는 결과를 제공한다는 근거가 필요하다.
보고된 AUC는 진단 정확도가 아니다
CT 결과는 정확히 진단된 환자의 비율이 아니라 평가 업무 전반에서의 판별 능력을 설명한다.
DIAGENS는 영상 평가 공시에서 여러 병원의 CT 검사 및 보고서 쌍 약 4만 건을 포함한 내부 평가를 보고했다. 회사는 509개 전체 대상에서 매크로 평균 제로샷 AUC 0.855, 선택된 249개 대상 하위 집합에서 0.930을 제시했다.
AUC는 가능한 의사결정 임계값 전반에서 점수가 양성 사례와 음성 사례를 얼마나 잘 구별하는지 측정한다. 매크로 평균은 각 업무에 동일한 가중치를 부여한다. 제로샷 분류는 해당 분류 환경에서 업무별 예시를 제공하지 않고 대상을 평가한다.
공시는 이 수치가 진단 정확도와 같지 않다고 명시적으로 밝힌다. 또한 분석 범위의 정의는 연구마다 다르며 모델 성능의 직접 비교를 확립하지 않는다고 경고한다.
이러한 단서는 몇 가지 그럴듯한 단순화를 막는다. 선택된 하위 집합 수치를 “93% 진단 정확도”로 바꿔서는 안 된다. 또한 이 수치가 전체 대상 세트의 결과를 조용히 대체해서도 안 된다.
이 차이는 구매자가 추론할 수 있는 내용에 영향을 미친다. 요약 측정값은 특정 소견이 실제 사용되는 의사결정 지점에서 어떻게 작동하는지 답하지 않은 채 평가를 설명할 수 있다.
그 의사결정 지점은 임계값, 즉 출력이 특정 대응을 유발하는 점수다. 임계값을 선택하려면 의도된 업무에서 어떤 오류가 중요한지 결정해야 한다. 적절한 선택에는 임상적 맥락이 필요하다.
따라서 놓친 이상 소견 가능성을 검토하는 사람에게는 전체 평균 이상의 정보가 필요하다. 유용한 뒷받침 근거는 평가 대상 소견, 기준 판단, 출력에 따라 행동했을 때의 결과를 설명할 것이다.
양성 사례 중 검출된 비율인 민감도는 놓친 소견을 설명하는 데 도움이 된다. 음성 사례 중 올바르게 제외된 비율인 특이도는 불필요한 표시를 설명하는 데 도움이 된다. 어느 측정값도 그 자체로 완전한 평가가 되지는 않는다.
결과의 분포도 중요하다. 유리한 평균은 성능이 대상 전반에서 일관적인지, 또는 특정 업무에 집중되는지를 보여주지 않는다. 개별 소견은 서로 다른 실질적 중요성을 가질 수 있다.
선택된 하위 집합은 관련된 보고 문제도 제기한다. 평가자는 그 대상들이 왜 선택됐는지, 그리고 그 선택이 의도된 활용과 일치하는지 이해해야 한다. 하위 집합은 전체 애플리케이션을 대표하지 않으면서도 유익할 수 있다.
이는 보고된 결과를 기각할 근거가 아니라 해석 가능성을 위한 요청이다. 회사는 측정 가능한 평가를 공개했다. 다음 단계는 그 측정값을 임상 팀이 실제로 내릴 의사결정과 연결하는 일이다.
독립적 시험은 개발자 자체 평가에 대한 의존도를 줄여 이 연결을 강화할 수 있다. 다만 여전히 적절한 설계, 관련 검사, 명확히 지정된 결과가 필요하다.
그러므로 DIAGENS iMed-6.0는 유망한 모델 결과와 배포 결정의 유용한 구분을 제시한다. 전자는 추가 조사를 정당화할 수 있다. 후자는 제안된 환경에 맞는 근거를 요구한다.
이 구분은 발표가 확산되는 모든 곳에서 계속 드러나야 한다. 단순화된 헤드라인은 기반 수치를 해석 가능하게 만드는 바로 그 단서를 쉽게 버릴 수 있다.
RADAR는 직접 순위가 아닌 연구 기준점을 제공한다
RADAR는 폭넓은 CT 분석에 관한 관련 맥락을 확립하지만, 유효한 성능 경쟁에는 공동 평가가 필요하다.
Science에 게재된 복부 CT 연구는 146개 복부 영상 소견에 걸친 RADAR를 설명한다. 이 연구는 8개 외부 센터에서의 평가에서 평균 AUC 0.895를 보고했다.
이는 RADAR가 DIAGENS가 추구하는 방향과 관련성이 있음을 의미합니다. 두 시스템 모두 CT 검사 내 광범위한 분석을 다룹니다. 그러나 공개된 범위와 평가 환경만으로는 주요 수치를 기준으로 단순히 우열을 가릴 수 없습니다.
더 많은 표적 수는 더 넓은 적용 범위, 서로 다른 정의 또는 두 요소 모두를 반영할 수 있습니다. 평가자는 수치를 동등한 단위로 취급하기 전에 각 표적이 무엇을 의미하는지 살펴봐야 합니다.
요약 성능에도 같은 원칙이 적용됩니다. 서로 다른 검사, 기준 판정, 과제 정의에 따라 보고된 결과가 의미하는 바는 달라질 수 있습니다. 두 수치를 나란히 놓는다고 이러한 차이가 사라지는 것은 아닙니다.
직접 비교를 위해서는 합의된 과제 집합과 공통 평가 설계가 필요합니다. 또한 두 시스템이 동일한 입력을 지원하는지, 그리고 출력이 같은 임상적 목적에 쓰이는지도 설명해야 합니다.
이는 어느 시스템의 홍보상 적용 범위가 더 큰지보다 더 좁고 유용한 질문에 답하게 해줍니다. 비교 가능한 조건에서 시스템들이 어떻게 작동하는지를 보여줄 것입니다.
RADAR는 광범위한 출력에 해석이 필요한 이유를 보여주는 구체적 참고 사례이기도 합니다. 독립적인 영상의학 분석은 해당 시스템의 소견 점수를 검토하며, 개별 결과만으로 임상 진단이 자동으로 확정되지 않는 이유를 설명합니다.
이 분석은 RADAR에 관한 것이며 DIAGENS에 대한 임상 평가가 아닙니다. 여기서의 관련성은 방법론적 측면에 있습니다. 출력 점수에는 맥락이 필요하며, 전문가의 해석은 모델 예측의 집합과는 별개의 과정으로 남습니다.
더 넓은 iMed 계열에 부속된 벤치마크 주장에도 비슷한 주의가 필요합니다. DIAGENS는 Thoth의 MedBench 종합 점수가 64.4, Aegis의 점수가 61.7이라고 보고합니다. 이 벤치마크 결과는 입증된 환자 결과가 아니라 정의된 평가 과제에 관한 것입니다.
회사는 또한 Thoth의 MMMU Test 점수가 66.2%로, 이전에 공개된 최고 점수인 65.9%와 비교된다고 보고합니다. MMMU는 여러 종류의 정보를 결합하는 과제 전반의 성능을 뜻하는 다학제 멀티모달 이해도를 평가합니다.
해당 공시는 공개 리더보드 비교 기준일을 2026년 11월 11일로 명시합니다. 또한 이 비교가 회사 모델이 공개 리더보드에 등재되었다는 뜻은 아니라고 분명히 밝힙니다.
독자에게 중요한 구분은 보고된 평가 결과, 공개 순위, 임상 근거 사이의 차이입니다. 각각은 정보를 제공할 수 있지만, 어느 하나가 자동으로 나머지를 제공하지는 않습니다.
따라서 경쟁의 핵심은 모델 개발뿐 아니라 근거의 질에도 달려 있습니다. DIAGENS는 재현 가능한 평가와 임상적으로 관련성 있는 시험을 통해 주장을 더욱 설득력 있게 만들 수 있습니다. 다른 개발사도 같은 부담을 안고 있습니다.
유용한 경쟁은 범위, 한계, 워크플로 가치가 더 쉽게 검토되는 시스템을 보상할 것입니다. 적용 범위는 기회를 만들고, 비교 가능한 근거는 구매자가 얼마나 확신을 갖고 행동할 수 있는지를 결정합니다.
배포 근거는 아직 완성되지 않았다
검토한 발표는 추가 평가를 뒷받침하지만, 이 CT 모델에 대한 독립적 임상 검증이나 개선된 환자 결과를 확립하지는 않습니다.
이는 시스템이 도움이 될 수 없다는 판단이 아니라, 현재 이용 가능한 근거의 경계입니다. 제품 발표와 임상 연구는 서로 다른 질문에 답합니다.
발표는 개발사가 무엇을 구축하고 측정했다고 말하는지를 설명합니다. 배포 평가는 제안된 애플리케이션을 의도된 환경 안에서 검토해야 합니다. 어느 문서도 다른 문서를 대체할 수 없습니다.
FDA의 의료 AI 원칙은 의료기기 개발을 평가하는 데 관련된 일반적 맥락을 제공합니다. 이 원칙들은 안전하고 효과적인 AI 기반 기기를 위한 전 수명주기 접근 방식을 강조합니다.
이 원칙들이 DIAGENS에 대한 규제 판단을 구성하는 것은 아닙니다. 이는 벤치마크 발표가 구매자에게 필요한 근거의 한 부분일 뿐인 이유를 보여줍니다.
시스템을 고려하는 병원은 의도된 사용자, 지원 검사, 제안된 역할에 관한 명확한 설명이 필요합니다. 또한 입력이 그 범위를 벗어날 때 사용자가 무엇을 해야 하는지도 이해해야 합니다.
또 다른 가상의 상황을 생각해 보겠습니다. 평가 환경 밖의 획득 프로토콜로 검사가 들어온 경우입니다. 책임 있는 평가는 애플리케이션이 그 상황을 어떻게 식별하고 한계를 어떻게 전달하는지 물어야 합니다.
발표는 그 답을 확립하지 않습니다. 이 질문을 명시하면 광범위한 표적 범위가 제한 없는 입력 지원도 의미한다고 평가자가 가정하는 일을 막는 데 도움이 됩니다.
버전 관리도 또 다른 실무적 문제를 제기합니다. 평가 도중 모델이 변경되면 구매자는 어떤 결과가 어떤 버전에 적용되는지 알아야 합니다. 그렇지 않으면 근거와 제품이 서로 어긋날 수 있습니다.
FDA의 의료 AI 투명성 지침은 머신러닝 기반 기기에 관한 정보를 전달하기 위한 관련 참고 기준을 제시합니다. 명확한 정보는 사용자가 보고된 성능을 둘러싼 조건을 이해하도록 돕습니다.
DIAGENS는 전문 영상 AI 개발 플랫폼인 iMedLoop를 포함하는 더 광범위한 전략을 설명합니다. 이 사업 제안은 공통 기반과 특정 요구에 맞게 조정된 애플리케이션을 연결합니다.
이는 유용한 상업적 가설을 만듭니다. 공통 플랫폼은 애플리케이션 개발을 더 반복 가능하게 만들 수 있습니다. 동시에 근거에 대한 의무도 만듭니다. 각 애플리케이션은 여전히 자체 의도된 목적에 대한 뒷받침이 필요합니다.
따라서 맞춤화는 검증과 유지에 필요한 작업과 함께 평가되어야 합니다. 더 단순한 개발 인터페이스만으로는 결과 애플리케이션이 임상 과제에 적합한지에 답할 수 없습니다.
같은 주의는 상업적 기대에도 적용됩니다. 가능한 사용 사례의 확대가 실제 도입, 반복적 활용 또는 그러한 사용에서 발생한 매출을 확립하지는 않습니다.
구매자와 투자자는 이러한 이정표를 구분해야 합니다. 모델 역량, 운영 배포, 지속적인 상업적 사용은 서로 다른 성취입니다. 하나에 대한 근거를 모두에 대한 근거로 제시해서는 안 됩니다.
미해결된 배포 근거는 이 발표가 가장 중대해지는 지점입니다. DIAGENS는 평가할 만큼 구체적인 광범위한 제안을 제시했습니다. 이제 가치는 그 평가가 무엇을 드러내는지에 달려 있습니다.
다음 단계를 명확히 할 세 가지 신호
다음으로 의미 있는 근거는 모델 주장을 독립 시험, 실제 워크플로 성능, 명확히 문서화된 배포와 연결해야 합니다.
첫 번째 신호는 개발사의 내부 평가를 벗어난 검사에 대한 독립 평가입니다. 향후 1~3개월 동안 다른 이들이 검토할 수 있는 상세한 방법론, 과제 정의, 결과를 주시해야 합니다.
가장 유익한 공개는 평가 조건을 명확히 제시할 것입니다. 독자는 출력 평가에 사용된 시험 버전, 지원 입력, 비교 방법, 기준 판정을 식별할 수 있어야 합니다.
관련성 있는 외부 조건에서 일관된 결과가 나오면 더 폭넓은 조사의 근거가 강화됩니다. 성능이 고르지 않다면 주목할 가치가 있는 애플리케이션은 더 좁아질 것입니다. 어느 결과든 또 하나의 단서 없는 적용 범위 주장보다 더 큰 의사결정 가치를 제공합니다.
두 번째 신호는 임상의와 모델이 함께 작동하는 방식에 관한 근거입니다. 결과를 수집하기 전에 정의된 워크플로를 중심으로 계획된 시험, 즉 전향적 평가를 주시해야 합니다.
그러한 작업은 보조 도구가 무엇을 개선해야 하는지 구체적으로 명시해야 합니다. 보고서 검토 애플리케이션에는 검토에 관한 근거가 필요합니다. 우선순위화 애플리케이션에는 우선순위화에 관한 근거가 필요합니다.
유용한 결과는 이점과 추가 업무를 모두 반영합니다. 관련 정보를 제시하면서도 상당한 불필요 확인 작업을 유발하는 애플리케이션은 전체 과제를 개선하는 애플리케이션과 다른 제안을 제시합니다.
실질적 개선을 보이는 결과는 상업적 논거를 강화할 것입니다. 이점이 거의 없거나 검토 과정이 부담스럽다는 결과는 논의를 더 좁은 사용처로 되돌릴 것입니다.
세 번째 신호는 특정 CT 애플리케이션에 대한 배포 및 규제의 명확성입니다. 정의된 의도된 사용, 적용 가능한 허가 세부 사항, 버전 문서화, 지속적 운영 사용의 근거를 주시해야 합니다.
이러한 공개는 특정 임상 환경을 위해 제공되는 제품과 연구 역량을 구분하는 데 도움이 됩니다. 모든 허가는 명시된 범위에 따라 해석해야 합니다.
DIAGENS는 추가 Horus 및 DoctorBench 평가 정보도 계획되어 있음을 시사했습니다. 이러한 공개는 CT 애플리케이션의 임상적 질문을 자동으로 해결하지는 않지만, 모델 계열에 맥락을 더할 것입니다.
개발사에 대한 실무적 대응은 모델 결과와 워크플로 주장 사이의 구분을 유지하는 것입니다. 구매자에게는 이를 뒷받침할 근거를 선택하기 전에 의사결정을 정의하는 일이 중요합니다.
가장 강력한 후속 발표에는 더 극적인 제목이 필요하지 않습니다. 시스템이 정확히 어디서 도움이 되는지, 어디서 어려움을 겪는지, 그리고 그러한 결론에 어떻게 도달했는지를 보여주면 됩니다.
DIAGENS iMed-6.0을 주장된 역량의 구체적 확장으로 읽고, 그 역량을 임상 업무와 연결하는 근거를 따라가야 합니다. 전체 평가 범위부터 확인하고 그 단서를 유지하며, 기초 과제가 일치할 때만 결과를 비교해야 합니다. 파일럿을 고려하고 있다면 의도된 워크플로와 지속을 정당화할 결과를 정의하십시오. 시험된 모델 버전, 지원되지 않는 검사 처리 방식, 검토 임상의의 책임을 문의하십시오. 향후 공개 내용은 이미 평가된 역량과 구분해 두십시오. 다음 발표에서 던져야 할 질문은 구체적입니다. 새로운 근거가 누군가 실제로 사용하려는 환경에서 유용한 지원을 보여주는가?



