仁荷大学医学院教授李贤奎研究团队1日表示,已开发出两项辅助胸部X光诊断的医疗人工智能(AI)技术。分别是评估肺部疾病严重程度的技术,以及筛选出AI自身难以判断情形的技术。
这两项技术着眼于把仅判断有无病变的现有医疗AI,提升到在诊疗现场辅助医护人员判断的水平。
第一项技术是评估肺部多个区域严重程度的“DORGA(基于几何对齐的有序重症度校正)”。研究团队认为,此前AI难以评估严重程度的原因并非数据不足,而在于AI结构的局限,即AI无法稳定区分严重程度等级的顺序与肺部部位的位置信息。DORGA通过将这两类信息分开学习的方式,提高了评估的准确性与稳定性。
预计DORGA在重症监护室的肺炎或感染性肺病患者等X光影像的时间变化左右治疗判断的情形中利用度较高。该研究是与仁荷大学医院呼吸内科教授金正洙自2021年起持续开展的临床共同研究成果。金教授参与了从研究设计、严重程度评估标准设定到临床有效性验证的全过程。
第二项技术是“Bi-EDL(双向证据深度学习)”。该技术按疾病分别计算预测可信度,对确信度高的预测自动作出判断,对不确定的情形则提示需要医护人员复核。
DORGA论文在医学影像计算领域最具权威的国际学术会议MICCAI 2026所提交的4601篇论文中,入选相当于前9%的“early accept”论文。仁荷大学统计学系本科研究生郑健为第一作者,金正洙教授为第二作者。Bi-EDL研究由硕士研究生金泰勋担任第一作者。
两篇论文均由李贤奎教授作为通讯作者统筹研究。本科研究生与硕士研究生分别作为第一作者主导研究,同时取得了研究成果与学生研究者培养成果。






