2026년 의료 AI 개발을 위한 핵심 학습 데이터셋 12선

섹션별 상세

3D Mammogram Dataset은 유방암 진단을 위한 고해상도 DBT 스캔 데이터를 제공하며, iMerit의 임상 팀이 주석을 달아 즉시 사용 가능하다.

NIH Chest X-ray14는 11만 장 이상의 흉부 X-ray를 포함하여 흉부 병리 분류 모델의 사전 학습 및 벤치마크로 널리 활용된다.

MIMIC-CXR은 방사선 이미지와 텍스트 보고서를 쌍으로 제공하여 임상 NLP 및 보고서 생성 모델 학습의 핵심 자원으로 쓰인다.

TCIA는 3천만 장 이상의 다양한 암 관련 의료 이미지를 보유하여 종양학 AI 연구의 광범위한 기반을 제공한다.

MedQA는 미국 의사 면허 시험(USMLE) 문항을 기반으로 임상 LLM의 추론 능력과 의학적 지식을 평가하는 표준 벤치마크로 사용된다.

HAM10000은 다양한 피부 병변 이미지를 포함하여 피부암 진단 AI 모델의 일반화 성능을 검증하는 표준 데이터셋이다.

디지털 유방 단층 촬영술(DBT): — Digital Breast Tomosynthesis의 약자로, 유방을 여러 각도에서 촬영하여 3D 영상을 재구성하는 기술이다. 기존 2D 유방 촬영술보다 병변을 더 정확하게 식별할 수 있어 유방암 조기 진단에 활용된다.
임상 자연어 처리(Clinical NLP): — 의료 기록, 방사선 보고서 등 비정형 임상 텍스트를 분석하여 구조화된 데이터로 변환하는 기술이다. 의료 AI 모델이 환자의 상태를 이해하고 진단 보조를 수행하는 데 필수적이다.
세그멘테이션(Segmentation): — 이미지 내에서 특정 객체나 영역을 픽셀 단위로 분리해내는 컴퓨터 비전 기술이다. 의료 영상에서는 종양의 크기 측정이나 장기 영역 식별을 위해 주로 사용된다.