왜 CXR 리포트 작성에 M4CXR을 선택해야 할까요?
간편한 판독 소견서 초안 작성
M4CXR이 CXR 판독소견서 초안을 자동으로 생성합니다.
판독 정확도 향상
방대한 CXR 데이터를 학습한 AI 모델이 일관되고 신뢰할 수 있는 판독 소견서 초안을 제공합니다.
의료진의 업무 부담 감소
반복적인 업무 시간을 줄여 환자 진료와 중요한 결정에 집중할 수 있습니다.
CXR AI Report
M4CXR의 혁신적인 생성형 AI 기술로 CXR 판독 소견서 초안을 자동으로 생성합니다. 이는 판독 업무의 효율을 높이고, 의료진의 업무 부담을 낮추며, 진단 정확도를 향상시킵니다.
Key Features
CXR 전반에 걸친 판독 소견서 초안 제공
폐, 심장, 종격동, 골격, 상복부 등 CXR에서 관찰 가능한 모든 주요 부위의 이상 소견을 빠짐없이 기술합니다.
Nodule/Mass
Consolidation
Fibrosis
Atelectasis
Emphysema
Tuberculosis
Pleural Effusion
Pneumothorax
Cardiomegaly
Hilar Enlargement
Rib Fracture
Pneumoperitoneum
41+
3가지 스타일의 판독 소견서 초안 지원
사용자 선호에 맞춘 개인화된 적용으로 만족스러운 사용자 경험을 제공합니다.
Standardized
Findings:
-
Bilateral pleural effusion.
-
Pulmonary edema with haziness in both lungs.
-
Tracheostomy state.
Impression:
-
R/O Combined pneumonia.
-
Rec) Chest CT for further evaluation of pulmonary edema and pleural effusion.
Verbose
Findings:
-
Bilateral pleural effusion.
-
Pulmonary edema with haziness in both lungs.
-
Tracheostomy state.
-
No Cardiomegaly.
Impression:
-
R/O Combined pneumonia.
-
Rec) Chest CT for further evaluation of pulmonary edema and pleural effusion.
Abbreviated
Findings:
-
Bilat pl. effusion.
-
Pulm. edema w/ haziness in both lungs.
-
Tracheostomy state.
Impression:
-
R/O combined PNA.
-
Rec) Chest CT for further evaluation of pulm. edema and pl. effusion.
대규모 학습 기반의 판독문 초안
608만 건의 CXR dataset으로 학습한 M4CXR이 일관되고 신뢰할 수 있는 판독소견서 초안을 수초 내에 제공합니다.
6,080,000
CXR dataset
Publications
-
Ro Woon Lee, et al., “Comparative Analysis of M4CXR, an LLM-Based Chest X-Ray Report Generation Model, and ChatGPT in Radiological Interpretation”, Journal of Clinical Medicine, 2024.
-
Jonggwon Park, et al., “M4CXR Exploring Multi-task Potentials of Multi-modal Large Language Models for Chest X-ray Interpretation”, IEEE Transactions on Neural Networks and Learning Systems, 2025.
-
Jonggwon Park, et al., “RadZero: Similarity-Based Cross-Attention for Explainable Vision-Language Alignment in Radiology with Zero-Shot Multi-Task Capability”, NeurIPS 2025.
Conference Abstracts
-
Quantitative Comparison and Reader-Based Evaluation of a Vision-Language Model for Chest Radiograph Interpretation, KCR 2025
-
Evaluating a Vision-Language Artificial Intelligence Model as a Screening Tool for Preoperative Chest Radiographs, KCR 2025
-
Diagnostic Comparison Between a Vision-Language AI Model and General Practitioners for Detecting Pneumoperitoneum on Chest Radiographs, KCR 2025
-
Semantic-Enriched Multi-Task Learning Enhances Chest Radiograph Analysis in Both AP and PA Views, KCR 2025
-
Quantitative and Qualitative Assessment of an AI Model for Chest Radiograph Report Generation, KCR 2025
-
Exploring Vision-Language Ai-Assisted Double Reading for Chest Radiograph Reports via Synthetic Errors (Oral), KCR 2025
-
Diagnostic Performance of a Large Language Model in Multimodal Retrieval-Augmented Radiology Report Generation_A Comparative Study with an Experienced Human Reader, ESNR 2025
-
Honggeun Jo, at al., Performance Comparison of a Report Generating AI Model and a Segmentation Based AI, ESNR 2025
-
Multimodal Retrieval-Augmented Radiology Reporting_Diagnostic Comparisons of Single- and Multi-View LLMs, ESNR 2025
이 자료는 당사의 내부 연구 데이터에 기반하여 작성되었으며, 현재 개발 중인 기술의 특성을 설명하기 위한 목적으로 제공됩니다.
본 정보는 특정 제품의 성능이나 효과를 보장하지 않으며, 규제 기관의 심사를 통해 최종적으로 변경될 수 있습니다.
참고용으로만 활용해 주시기 바랍니다.
