현재 수의사 흉부 X-ray 판독은 수동으로 진행되어 판독자 간 차이가 크고 초기 병변 발견 민감도가 낮은 문제가 있습니다. 본 연구는 PaddleSeg 기반 의미론적 분할로 흉부 영역을 추출하고 Mamba 프레임워크로 분류하는 AI 진단 파이프라인을 구축했습니다. Gradient-weighted Class Activation Mapping을 통해 판독 과정을 해석할 수 있게 했으며, 다차원 불확실성과 해석 가능성을 통합한 AI Risk Index(ARI) 모듈도 제안했습니다.
의미론적 분할에서 흉부 영역 추출 정확도를 나타내는 mIoU는 0.8999를 달성했습니다. 정면(VD/DV) 투사 분류에서는 정확도 90.35%, macro F1-score 0.9034, AUC 0.9438을 보였습니다. 측면 투사에서도 정확도 89.8%, macro F1-score 0.8965, AUC 0.9361으로 강건한 성능을 유지했습니다.
임상적 시사점: 이 AI 파이프라인은 동물병원에서 흉부 X-ray 판독 보조 도구로 활용될 수 있으며, 초기 폐렴 발견율을 높이고 판독자 간 차이를 줄일 수 있습니다. 다만, 본 연구는 특정 데이터셋에서 개발·평가된 것으로, 다양한 동물병원 환경에서의 전향적 검증이 필요합니다. ARI 모듈은 AI 판독의 불확실성을 정량화하여 임상의가 최종 판독을 내릴 때 참고할 수 있는 해석 가능한 정보를 제공합니다.
반려동물의 폐렴이 의심될 때, AI-assisted X-ray 분석이 신속하고 일관된 preliminary screening을 제공하여 치료 시작 시점을 앞당길 수 있습니다.