01 AI 기반 정량적 영상 분석이 임상 시험 평가 방식을 혁신합니다 임상시험 영상 시장은 인공지능 기반 영상 분석 및 정량적 바이오마커 중심으로 변화하고 있습니다. 종양, 뇌 구조 또는 장기 기능의 미묘한 변화가 기존의 평가 지표보다 더 빨리 치료 반응을 드러낼 수 있기 때문에, 스폰서들은 시각적 판독 이상의 정보를 점점 더 필요로 합니다. AI 도구는 해부학적 구조를 분할하고, 병변을 측정하고, 패턴을 감지하고, 대규모 영상 컬렉션 전반에 걸쳐 품질 검사의 우선순위를 지정할 수 있습니다. 이는 수동 처리를 줄이고, 일관된 평가를 지원하며, 연구자들이 적합한 참가자를 선정하거나 반응 신호를 식별하는 데 도움을 줍니다. 그러나 알고리즘은 각 사용 목적 및 환자 집단에 대해 검증되어야 합니다. 도입이 확대됨에 따라, 경쟁은 과학적으로 검증된 모델, 규제 기관 승인 워크플로, 그리고 전문가 검토와 자동화된 측정을 결합한 플랫폼으로 향하고 있습니다. 2025년 5월, 알자멘드 뉴로는 QMENTA와 협력하여 미국 매사추세츠 종합병원에서 계획된 AL001 2상 연구에 AI 기반 영상 기술을 활용하기로 했습니다.
01 복잡한 종양학 및 신경학 연구로 인해 영상 진단 요구량이 증가합니다. 종양학 및 신경학 연구의 수와 복잡성이 증가함에 따라 임상시험 영상 서비스에 대한 수요가 증가하고 있습니다. 따라서 스폰서들은 판독자 편향을 줄이고 신뢰할 수 있는 최종 결과 데이터를 얻기 위해 영상 코어 연구소 및 연구 기관에 의존하고 있습니다. 정밀 의학이 더욱 세분화된 환자군을 대상으로 함에 따라, 소규모 임상시험 집단에서 생물학적 신호를 찾아내기 위해서는 정확한 영상 촬영이 필수적입니다. 이는 프로토콜 설계, 임상시험기관 자격 심사, 영상 분석 및 독립적인 검토에 대한 수요를 직접적으로 확대시키고 있습니다.
01 높은 영상 촬영 비용으로 인해 소규모 연구 기관의 참여가 제한됩니다. 높은 장비 및 운영 비용은 특히 소규모 병원 및 연구 기관에서 영상 기술을 활용한 임상 시험을 제한하는 요인이 됩니다. PET, 첨단 MRI 및 하이브리드 시스템은 고가의 스캐너, 숙련된 기술자, 유지 보수, 소프트웨어 및 품질 관리 절차를 필요로 합니다. 또한 PET 연구는 인근 생산, 정확한 배송 시간 및 특수 취급이 필요한 수명이 짧은 방사성 추적자에 의존할 수 있습니다. 이러한 역량을 갖추지 못한 기관은 연구에 참여하기 어려워 지리적 범위가 제한되고 참가자 모집이 지연됩니다. 결과적으로, 첨단 영상 기술은 과학적 가치에도 불구하고 초기 단계 연구, 희귀 질환 프로그램 및 자원이 부족한 지역에서 사용하기 어려울 수 있습니다.
01 클라우드 플랫폼을 통해 더 폭넓은 다기관 임상시험 참여가 가능해집니다. 클라우드 기반 영상 인프라는 더 많은 국가와 연구 기관에서 임상 시험을 지원할 수 있는 기회를 창출하고 있습니다. 플랫폼은 DICOM 파일을 수집하고, 식별 정보를 제거하고, 프로토콜 준수 여부를 확인하고, 판독자 배정을 관리하고, 영상 결과를 전자 임상 시험 기록과 연결할 수 있습니다. 중앙 집중식 접근을 통해 스폰서와 핵심 연구소는 미디어를 전송하거나 로컬 시스템을 유지 관리할 필요 없이 스캔 결과를 검토할 수 있습니다. 이는 사용 불가능한 데이터를 줄이고 대규모 다기관 연구에서 일관된 감독을 지원합니다. 검증된 보안, 감사 추적, 규정 준수 및 임상 시스템과의 통합을 제공하는 공급업체는 생명공학 기업과 분산된 연구 네트워크의 수요를 확보할 수 있습니다.
01 스캐너 및 프로토콜의 다양성은 데이터 비교 가능성을 위협합니다. 임상시험 기관 전반에 걸쳐 유사한 영상 품질을 유지하는 것은 여전히 시장의 주요 과제입니다. 병원들은 서로 다른 제조사의 스캐너, 소프트웨어 버전, 자기장 강도, 재구성 방법, 작동 설정 등을 사용합니다. 모든 기관이 동일한 프로토콜을 준수하더라도 이러한 기술적 차이로 인해 병변 측정, 방사선학적 특징, 표준 섭취 값 등이 달라질 수 있습니다. 환자 자세, 조영제 투여 시점, 움직임, 판독자의 해석 또한 변동성을 야기합니다. 데이터의 표준화가 제대로 이루어지지 않으면 치료 효과가 가려지거나, 재검사가 필요하거나, 규제 기관에 제출하는 근거가 약화될 수 있습니다. 따라서 영상 제공업체는 장비 검증, 현장 팀 교육, 프로토콜 위반 모니터링, 스캐너 교정, 그리고 연구 전반에 걸친 중앙 검토를 수행해야 합니다. 이러한 관리 조치는 신뢰성을 향상시키지만, 전 세계 임상시험 운영에 시간, 전문 인력, 비용을 추가합니다.
2025년 5월:이미지 분석 그룹(IAG)은 DYNAMIKA™ 이미징 플랫폼의 지속적인 개발을 통해 이미징 핵심 연구소의 역량을 확장했습니다. 회사는 제약 및 생명공학 임상 시험을 위한 중앙 집중식 이미지 관리, 정량 분석 및 표준화된 이미징 워크플로 개선에 집중했습니다.
2025년 6월:HOPPR은 인공지능 기반 의료 영상 기초 모델 플랫폼 확장을 위해 3,150만 달러의 투자금을 확보했습니다. 이번 투자를 통해 임상 연구 및 영상 기반 시험에 적용 가능한 자동 영상 해석, 병변 탐지 및 분석 워크플로우를 위한 AI 도구 개발에 박차를 가할 예정입니다.
2025년 7월:Rad AI는 제약 회사들과의 협력을 확대하여 자동화된 방사선 영상 보고 및 AI 기반 영상 워크플로우를 임상 시험 프로세스에 통합했습니다. 이 프로젝트는 영상 분석 소요 시간을 단축하고 종양학 및 기타 영상 집약적인 연구의 효율성을 향상시키는 데 중점을 두었습니다.
2025년 9월:클라리오는 분산형 및 하이브리드 임상 시험을 위한 디지털 영상 기능을 확장하여 임상 시험 영상 플랫폼을 지속적으로 강화했습니다. 회사는 전 세계 임상 시험 현장에서 안전한 영상 수집, 중앙 집중식 검토 및 AI 기반 품질 관리에 집중했습니다.