← 전체 뉴스
Databricks Blog2026년 10월 8일
의생명 이미징의 진짜 병목 현상은 모델이 아니라 데이터입니다
영어 원문을 AI가 번역했습니다. 영어로 보기
요약
의료 이미징 AI의 주요 병목 현상은 모델 아키텍처가 아니라 단편화된 데이터 인프라입니다. 임상 및 R&D 성과를 극대화하려면 이미징 자산을 중앙화하고, 대규모로 비식별화하며, EHR, 오믹스, 임상시험 데이터와 직접 연결하는 거버넌스가 적용된 lakehouse 기반이 필요합니다.
* **내용:** 병원, 학계, 의료기기, 제약 분야에서 의료 이미징 AI의 성과가 기대에 미치지 못하는 이유와 R&D 전반에서 더 강력한 데이터 기반이 어떤 모습이어야 하는지에 대한 현장의 시각. * **과제:** 이미징은 의학에서 가장 풍부한 데이터이지만 PACS, CRO, 중앙 검사 기관에 사일로화되어 있고, 비식별화하기 어려우며, 바이오마커와 환자 계층화를 구동하는 다른 데이터 모달리티와 거의 연결되지 않아 가장 활용하기 어려운 데이터입니다. 어려운 부분은 모델이 아니라 데이터입니다. * **시사점:** 최전선에 있는 것은 더 나은 모델이 아니라 그 아래의 데이터 기반입니다. 한곳에서 이미징을 거버넌스하고, 쿼리 가능하게 만들고, 대규모로 비식별화하며, (거버넌스가 적용된 lakehouse 패턴을 통해) EHR, 오믹스, 임상시험 데이터와 연결합니다. 데이터를 올바르게 구축하면 모델은 쉬운 부분이 됩니다.