Aidoc은 방사선학, 심혈관, 신경혈관 및 혈관 수술의 4개 주요 분야를 포괄하는 단일 플랫폼에서 최대 규모의 FDA 승인 AI 알고리즘 포트폴리오를 갖춘 엔터프라이즈급 임상 AI 운영 체제인 aiOS™를 제공합니다. 전 세계 1,600개 이상의 의료 기관에 배포되었으며 폐색전증 통지 시간은 31%, 뇌졸중 천자 시간은 34% 단축되는 것으로 입증되었습니다.

Aidoc: 영상의학과를 위한 임상 AI 운영 체제 및 구현 가이드의 플랫폼 혁신

Aidoc의 핵심 매개변수 및 통계

Aidoc의 핵심 경쟁 장벽은 단일 알고리즘의 정확성이 아니라 "FDA 승인 AI 알고리즘의 최대 조합을 전달하는 단일 플랫폼"의 아키텍처 이점에 있습니다. 다음 매개변수는 엔터프라이즈급 임상 AI 인프라로서의 포지셔닝을 반영합니다.

매개변수 항목	홍보
제품 포지셔닝	엔터프라이즈급 임상 AI 운영 시스템, 방사선과 및 다전문 영상 분석
핵심 플랫폼	aiOS™(AI 운영체제)
FDA 승인 알고리즘 수	단일 플랫폼에서 가장 큰 조합(자체 + 파트너 알고리즘을 포함하여 구체적인 수치는 공개되지 않음)
해당 특산품	방사선과, 심혈관, 신경혈관, 혈관외과
환자 보장	배치된 기관의 환자 인구의 약 75%를 담당
글로벌 배포	1,600개 이상의 의료 기관(지역사회 병원부터 대규모 학술 센터까지)
비즈니스 모델	기업 연간 구독 + 알고리즘 모듈 라이센스 비용
폐색전증 알림 시간 개선	31% 더 짧음(AI가 없는 기준에 비해)
뇌졸중 천자 시간 개선	34% 단축(약 38분), 혈전용해 치료기간 직접 확대
설립/본사	2016년 설립 / 미국(이스라엘 R&D 센터)
핵심 통합 표준	HL7 FHIR, DICOM 및 메인스트림 PACS/EHR 도킹

매개변수 해석: FDA가 승인한 알고리즘의 수는 임상 AI 분야의 핵심 해자입니다. 승인된 각 추가 알고리즘은 AI 자동화 분석에 질병 시나리오가 하나 더 포함될 수 있음을 의미합니다. Aidoc의 전략은 단일 알고리즘의 최고 정확도를 추구하는 것이 아니라, 플랫폼화를 통해 대상 질병의 유형을 빠르게 확장하는 것입니다. 75%의 환자 적용 범위는 aiOS를 배포한 병원에서 대부분의 영상 검사가 특정 부서만 다루는 것이 아니라 적어도 하나의 AI 알고리즘으로 분석될 수 있음을 의미합니다.

경쟁 제품과의 포지셔닝 차이: Aidoc, Viz.ai 및 PathAI는 세 가지 다른 임상 AI 상용화 경로를 나타냅니다. 다음 비교는 각각의 전략적 장단점을 보여줍니다.

비교차원	아이독	비즈.ai	경로AI
핵심전략	플랫폼 기반 다중 알고리즘 적용 범위	단일 질환(뇌졸중)에 대한 심층 침투	병리학 AI + 약물 연구개발
대상 사용자	방사선과 + 다중 전문 분야	신경/혈관 전문	병리학 + 제약 회사
FDA 알고리즘 범위	가장 큰 포트폴리오	신경혈관에 초점	병리학적 진단에 집중
플랫폼 개방성	타사 알고리즘 액세스 열기	폐쇄 생태	제한된 개방성
적용기관	대규모 의료 그룹	뇌졸중 센터	병리학 실험실/제약회사
확장 경로	질병 유형의 수평적 확장	워크플로우를 수직적으로 심화	병리학 AI를 수직적으로 심화

Aidoc의 사용자 및 시장 인지도

Aidoc의 시장 인지도는 순수한 브랜드 평판보다는 "검증 가능한 임상 지표 + 대규모 설치 용량 + 규제 준수 축적"의 3대 축을 기반으로 합니다.

• 1600개 이상의 기관에 설치된 밀도: 고객은 지역사회 병원에서 대규모 학술 의료 센터에 이르기까지 모든 분야에 걸쳐 있습니다. 파트너십의 공개 사례로는 St. Luke's Health System, Yale New Haven Health, Renown Health, Wake Forest Baptist Health 등이 있습니다. 방사선 AI 분야에서는 설치 용량이 세계 1위다. 검증 포인트: 설치 용량과 활성 사용률이 동일하지 않습니다. AI 진단의 실제 채택률은 각 기관의 월별 활성 알고리즘 호출을 기반으로 평가해야 합니다.

• 임상 지표의 정량적 개선: Aidoc에서 제공하는 효율성 지표는 명확한 임상적 의미를 갖습니다. 폐색전증 통지 시간이 31% 단축된다는 것은 영상 촬영 완료부터 임상 팀이 양성 결과를 알게 될 때까지의 시간이 약 60분에서 약 40분으로 단축된다는 의미입니다. 뇌졸중 환자의 '천자까지의 시간'이 34%(약 38분) 단축됩니다. 급성 허혈성 뇌졸중 시나리오에서 매 1분 단축은 더 많은 뇌 조직이 절약된다는 것을 의미할 수 있습니다. 실험실 시뮬레이션이 아닌 실제 연구에서 파생된 이러한 지표는 병원이 구매하도록 설득하는 데 중요합니다.

• 규정 준수에 있어 선점자 이점: 알고리즘 변경 관리, 지속적인 성능 모니터링 및 재인증 프로세스를 포함하여 FDA 510(k) 제출 경로에서 축적된 성숙한 경험. 병원의 경우 이는 규제 검토 위험이 낮다는 것을 의미합니다. Aidoc의 규정 준수 시스템은 처음으로 스타트업 서류 제출이 아닌 여러 차례의 FDA 검토를 통해 검증되었습니다.

• 산업 표준 지침: BRIDGE 지침 프레임워크는 평가, 통합, 검증 및 모니터링의 4단계를 다루는 체계적인 AI 구현 방법론을 의료 기관에 제공합니다. AI Path 교육 프로그램은 '소프트웨어 구매'부터 '임상 운영'의 완전한 권한 부여까지 확장됩니다. '단순한 소프트웨어가 아닌 방법론 판매' 전략은 AI 도입에 있어 대형병원의 의사결정 저항을 줄여준다.

시장 위험 경고: 임상 AI 시장의 경쟁이 심화되고 있습니다. Google Health 및 Nuance(Microsoft)와 같은 거대 기업이 방사선학 분야의 AI 배포를 가속화하고 있으며, 수많은 스타트업도 세분화된 질병 분야에서 FDA 승인을 위해 경쟁하고 있습니다. Aidoc의 플랫폼 전략이 계속해서 제3자 알고리즘을 유치하여 정착할 수 있는지 여부는 플랫폼 배포 가치가 독립 판매로 인한 직접 수익보다 큰지 여부에 달려 있습니다.

Aidoc의 비용 이점

Aidoc의 비용 구조는 개인 소비자가 아닌 완전히 의료 기관을 지향하므로 "비용 우위"에 대한 정의는 C-end AI 제품의 정의와 완전히 다릅니다. 단가로 측정하는 것이 아니라 기존 워크플로우에 비해 효율성 개선 수익률(ROI)로 측정합니다.

C측/개인 사용자: Aidoc은 개인을 위한 독립적인 제품을 제공하지 않습니다. 환자는 AI 분석 서비스를 직접 구독하거나 구매할 수 없으며 모든 AI 지원 진단은 aiOS를 배포한 의료기관을 통해 간접적으로 전달됩니다. 이는 Viz.ai의 환자 직접 알림 서비스와 대조됩니다.

개발자/타사 알고리즘 공급업체: Aidoc의 파트너 프로그램을 통해 타사 AI 알고리즘 개발자는 자신의 알고리즘을 aiOS 플랫폼에 연결하여 배포할 수 있습니다. 파트너십 조건은 공개되지 않으며 일반적으로 수익 공유 모델과 규정 준수 책임 분할이 포함됩니다. 병원 IT 팀의 경우 aiOS는 표준 시스템 통합 인터페이스(HL7 FHIR, DICOM)를 제공하지만 독립 개발자에게는 공개 API 가격을 공개하지 않습니다. 이는 자체 알고리즘을 개발하려는 소규모 스타트업에 대한 암묵적인 임계값입니다. Aidoc의 기술 접근 ​​표준과 FDA 규정 준수 요구 사항을 모두 충족해야 합니다.

기업/의료 기관(3단계 비용 분석):

비용 계층 구조	비용 구성 요소	추정 범위	설명
플랫폼 기본 라이선스	aiOS 플랫폼 사용 + 기본 AI 모듈	병원 규모 및 연간 영상량에 따른 등급, 비공개	플랫폼 운영 및 유지보수, 기술지원, 기본 알고리즘 포함
알고리즘 모듈 비용	전문분야/질환분야별 활성화	각 모듈의 가격은 별도로 책정되며 공개되지 않습니다	병원은 방사선과를 시작으로 심혈관까지 단계적으로 점차 활성화될 수 있습니다
구현 및 교육	시스템 통합 + 워크플로우 설계 + 팀 교육	일회성 수수료는 조직의 복잡성에 따라 변동됩니다	PACS/EHR 도킹, 규칙 구성, 역할 교육 포함
연간 유지보수	지속적인 지원 + 알고리즘 업데이트 + 규정 준수 유지 관리	일반적으로 기본 라이센스의 15%-25%	FDA 변경 관리 지원 및 버전 업그레이드 포함

숨겨진 비용의 세 가지 핵심 사항:

1. 통합 적응 비용: aiOS를 병원의 기존 PACS/EHR과 통합하는 복잡성은 시스템의 표준화 정도에 따라 다릅니다. 기존 DICOM Modality Worklist 또는 비표준 HL7 인터페이스를 기반으로 하는 병원에는 추가 미들웨어 또는 맞춤형 개발이 필요할 수 있으며, 이 비용은 구현 단계에서 노출되는 경우가 많습니다.
2. 워크플로우 변경 비용: AI 지원 진단이 "설치 및 효과적"이 아닙니다. 방사선 전문의는 AI 라벨링 작동 방식에 적응하는 데 시간이 필요하며, 초기 단계의 "경보 피로"(너무 많은 거짓 긍정으로 인한 신뢰 감소)는 임계값 조정 및 훈련을 통해 완화해야 하는 일반적인 과제입니다.
3. 알고리즘 전환 비용: 일단 병원이 aiOS 생태계에 깊이 결합되면(워크플로, 알림 규칙 및 후속 관리가 모두 이 플랫폼을 기반으로 함), 경쟁 플랫폼으로 전환할 때 데이터 마이그레이션 및 워크플로 재구성 비용이 매우 높습니다. 이러한 잠금 효과는 제조업체에게는 유리하지만 병원의 장기적인 교섭력을 제한합니다.

ROI 공제: 연간 영상 검사량이 150,000 건인 중형 병원을 예로 들 때, AI 지원을 통해 방사선 전문의가 하루에 15% 더 많은 사례를 처리할 수 있게 되면(정규 인력 소요량 약 0.5~1 감소) 연간 인건비는 약 US$300,000~600,000 절감됩니다(미국 방사선 전문의의 연봉 기준으로 추산). 미화 300,000~500,000달러). 이러한 대략적인 계산에 따르면, 플랫폼의 연간 라이선스 비용이 US$200,000~400,000 범위에 있을 때 ROI는 1~2년 내에 긍정적일 수 있습니다. 그러나 이 공제액은 Aidoc의 공식 약속이 아닌 공공 통계 데이터의 추정치를 기반으로 하며 구현 비용 및 유지 관리 비용은 포함되지 않습니다.

Aidoc의 주요 기능

Aidoc의 기능 시스템은 단일 이미지의 AI 탐지에 초점을 맞추는 것이 아닌 "이미지 분석 → 우선순위화 → 학제 간 알림 → 폐쇄적 관리"의 전체 링크를 중심으로 설계되었습니다.

• aiOS 엔터프라이즈 AI 운영 체제(플랫폼 코어): 모든 AI 알고리즘의 워크플로를 통합적으로 조정하고 관리합니다. 여러 알고리즘의 병렬 실행을 지원합니다. 동일한 CT를 폐색전증 알고리즘, 기흉 알고리즘 및 관상동맥 칼슘 알고리즘으로 동시에 분석할 수 있으며 결과가 통합 인터페이스에 요약됩니다. 이미지 데이터를 해당 알고리즘에 자동으로 라우팅하고 분석 결과를 중앙에서 제시하며 전문 분야 간 진료 조정 기능을 제공합니다. 수용 문제: 여러 알고리즘이 동시에 실행될 때 지연 중첩 효과가 발생하므로 긴급 상황에서 총 분석 시간이 3~5분을 초과하지 않도록 해야 합니다.

• 방사선과 응급 상황에 대한 AI 분석: CT, X선 MRI 및 기타 영상을 자동으로 분석하여 폐색전증, 기흉, 두개내 출혈, 경추 골절 등 일반적인 응급 상황을 감지합니다. AI 결과는 영상의학과 워크리스트(Worklist)에 우선순위 태그 형태로 내장되어 영상의학과 전문의가 검사 시간 순으로 찾아보는 대신 고위험 사례를 먼저 처리할 수 있도록 돕는다. 구현 팁: 양성 검출률과 위양성률 사이의 균형은 각 부서의 실제 업무량에 따라 조정되어야 합니다. 응급 상황이 많은 부서는 진단 누락을 피하기 위해 민감도를 높이는 경향이 있지만, 과도한 위양성은 AI 마커에 대한 의사의 신뢰를 감소시킵니다.

• 심혈관 AI 제품군: 관상동맥 칼슘(CAC) 채점, 심장초음파 분석, 대동맥 질환 감지 등의 알고리즘을 다룹니다. 핵심 기술 노드는 "부수적 소견"의 자동 관리입니다. 흉부 CT에서 관상동맥 석회화가 확인된 후 환자 추적 프로세스가 자동으로 시작되어(추적 권장 사항 생성, 주치의에게 알리고 전문 외래 환자 서비스 준비) "영상 보고서에 기록되어 있지만 후속 조치를 취하는 사람이 없습니다"를 "찾아 조치"로 전환합니다. 이 기능의 실제 효과는 병원이 명확한 후속 책임을 설정하고 프로세스를 표준화했는지 여부에 따라 크게 달라집니다.

• 신경혈관 AI 스위트: 급성 허혈성 뇌졸중(LVO 검출), 두개내 출혈, 뇌동맥류, 경추 골절 등에 대한 응급 신경영상 분석을 포함합니다. 영상의학과 작업 목록과 통합하는 동시에 모바일 애플리케이션(신경과 전문의 전용 인터페이스 등)을 통해 양성 알림이 동시에 푸시되고, 환자의 병력 및 현재 투약 정보가 EHR 임상 상황과 결합되어 표시되므로 영상 완료부터 시작까지의 시간이 단축됩니다. 중재치료팀의

• 간호사 조정 및 환자 관리(전문 분야 간 적용): AI가 양성 결과를 감지한 후 관련 임상팀에 자동으로 알리고, 상담 요청을 유발하고, 전문의 의뢰를 주선하고, 환자 추적 관찰의 완료 상태를 추적합니다. 이는 "이미지 발견"부터 "치료 실행"까지 포괄적인 관리로, 다분야 협업 시나리오에서 정보 전달 격차 문제를 해결합니다. 예를 들어, 응급 CT가 대동맥 박리를 감지한 후, aiOS는 영상의학과, 응급실, 혈관외과팀에 동시에 통보하고, 단일 채널 알림이 누락되지 않도록 EHR에 상담 작업을 생성합니다.

• CARE™ 기본 모델(기술 예측): 2026년 출시된 다중 작업 기본 모델은 여러 전용 알고리즘을 유지하는 기존 모델을 대체하여 단일 모델을 사용하여 여러 이미지 분석 작업을 처리하는 것을 목표로 합니다. 현재 도입 초기 단계로, 실제 적용되는 질병 유형과 질병 간 성능은 더 많은 임상 데이터를 통해 검증될 필요가 있다. 위험 경고: 기본 모델의 '보편성'과 '전문성 정확성' 간의 균형은 임상 AI의 핵심 문제입니다. 너무 일반적인 모델은 희귀 질환 식별에 있어 전용 알고리즘만큼 좋지 않을 수 있습니다.

Aidoc의 모델 및 버전 진화

Aidoc의 버전 진화는 단일 지점 알고리즘 → 플랫폼 통합 → 기본 모델 탐색이라는 의료 AI 산업의 일반적인 경로를 반영합니다.

2016~2022: 단일 포인트 알고리즘 축적 기간

• 2016: 이 회사는 응급 방사선학을 위한 AI 알고리즘 연구 및 개발에 중점을 두고 설립되었습니다.
• 2018: 두개내 출혈 및 폐색전증 감지를 다루는 첫 번째 FDA 510(k) 승인을 획득했습니다. 이 두 가지 적응증은 가장 긴급하게 필요하지만 응급 방사선과에서 가장 높은 진단 누락률 중 하나입니다.
• 2020~2022: 계속해서 더 많은 FDA 승인을 획득하고 기흉, 대동맥 박리, 경추 골절, 폐 결절 등과 같은 다양한 응급 및 부수적 질병을 포괄하는 알고리즘 조합을 점진적으로 형성합니다. 이 단계의 전달 형식은 병원이 별도로 배포하고 관리해야 하는 여러 개의 독립적인 AI 알고리즘 제품입니다.

2023-2025: 플랫폼 혁신 및 전문성 확장

• 2023년(aiOS v3.0): 단일 알고리즘 제품에서 통합 AI 운영 체제인 aiOS로의 전환은 Aidoc 역사상 가장 중요한 전략적 전환입니다. 핵심 변경 사항에는 알고리즘 조정 계층 통합, 타사 알고리즘 통합 지원, 전문 분야 간 워크플로 조정 및 중앙 집중식 결과 표시가 포함됩니다. 병원의 경우 이는 '여러 AI 상자 관리'에서 '모든 AI를 관리하는 하나의 플랫폼'으로 이동하는 것을 의미합니다.
• 2025(aiOS v5.0): 심초음파 분석 및 관상동맥 질환 관리 기능을 도입하여 AI 적용 범위를 방사선학에서 심혈관 및 혈관 수술까지 공식적으로 확장합니다. 주요 기능: 전문 분야 간 진료 조정 - AI 테스트 결과는 독립적으로 작업하는 대신 방사선과 및 심혈관 부서의 대응 프로세스를 동시에 촉발할 수 있습니다.

2026년부터 현재까지: 기본 모델과 생태학적 확장

• 2026(aiOS 2026 Release/CARE™): 다중 작업 임상 AI의 아키텍처 방향을 탐색하기 위해 CARE™ 기본 모델을 출시합니다. 동시에 파트너 알고리즘 생태계는 더 많은 타사 알고리즘을 aiOS 배포에 포함하도록 확장될 것입니다. 이 단계의 전략적 의도는 기본 모델을 통해 새로운 질병 커버리지를 위한 알고리즘 개발 비용을 줄이고, 자체 알고리즘으로 커버되지 않는 질병 영역을 파트너 생태계를 통해 보완하는 것입니다.

후보자 검증 및 제3자 알고리즘

타사 알고리즘을 aiOS에 입력하려면 기술 통합 검증과 FDA 규정 준수 검토가 필요합니다. 구체적인 접근 기준과 검증 주기는 공개되지 않았습니다. 잠재적인 과제: 제3자 알고리즘의 품질 일관성, 업데이트 빈도, FDA 변경 관리에 대한 책임 분할(제3자 알고리즘에 문제가 발생할 경우 책임 귀속)은 병원 조달 계약에서 명확히 해야 할 용어입니다.

Aidoc의 기술적 장점

메커니즘 — 효과 — 시나리오: Aidoc의 AI 알고리즘은 심층 합성곱 신경망(CNN) 및 Transformer 아키텍처를 기반으로 하며 CT, X선, 초음파 등 다양한 영상 기법에 최적화되어 있습니다. 학습 데이터 규모는 주석이 달린 이미지 수천만 개에 달하며, 모델은 비상 이미지에서 이상 징후를 식별하고 이를 자동으로 분류(긍정적/부정적/임계 값)할 수 있습니다. 일반 비전 모델(예: 자연 이미지를 기반으로 한 분류 모델)과 달리 Aidoc의 알고리즘은 저대비 병변 감지, 해부학적 구조 변형에 대한 견고성, 다양한 장비 제조업체의 이미지 품질 차이에 대한 적응 등 의료 영상의 특정 과제에 특별히 최적화되어 있습니다. 효과적으로 AI 사전 검사를 통해 방사선 전문의는 작업 목록에서 AI로 표시된 고위험 사례의 우선 순위를 지정하여 작업 목록 축적으로 인한 지연을 줄일 수 있습니다. 적용 가능한 시나리오: 응급 영상량이 많지만 특히 야간 근무 및 주말 동안 방사선과 인력이 부족한 중대형 병원.

aiOS 플랫폼 아키텍처 - "알고리즘 스태킹"에서 "시스템 오케스트레이션"까지: 대부분의 단일 지점 AI 알고리즘 제품과 달리 aiOS는 본질적으로 "AI 오케스트레이션 레이어"입니다. 이는 단순한 알고리즘 모음이 아니라 완전한 워크플로 엔진입니다. 주요 설계 특징은 다음과 같습니다.

• 자동 이미지 라우팅: CT 스캔이 완료된 후 aiOS는 각 알고리즘이 독립적으로 이미지를 캡처하도록 허용하는 대신 구성 규칙(예: 폐색전증, 기흉 및 관상동맥 칼슘의 동시 분석)에 따라 적용 가능한 모든 AI 알고리즘에 이미지를 동시에 라우팅합니다.
• 결과 우선순위: 의사가 각 알고리즘에 대해 독립적인 결과 인터페이스 간에 전환하도록 하는 대신 모든 AI 알고리즘의 출력을 요약하고 중요도에 따라 통합된 우선순위 대기열을 생성합니다.
• 워크플로 트리거: 긍정적인 결과는 인터페이스에 표시될 수 있을 뿐만 아니라 후속 작업(알림, 상담 요청, 후속 작업 생성)도 자동으로 트리거되어 "AI 분석 결과"를 "임상 작업"으로 변환할 수 있습니다.
• 엔지니어링 장점: 이 아키텍처는 "알고리즘이 많을수록 시스템이 더 혼란스러워진다"는 문제를 피하여 병원이 인프라를 교체하지 않고도 AI 적용 범위를 점진적으로 확장할 수 있도록 합니다. 여러 AI 벤더의 알고리즘을 배포한 병원의 경우, aiOS는 기존 알고리즘을 모두 대체하는 대신 "통합 스케줄링 레이어" 역할을 할 수 있습니다.

CARE™ 기본 모델의 기술적 경로: Aidoc의 CARE™ 기본 모델은 '단일 작업 전용 모델'에서 '다중 작업 기본 모델'로의 임상 AI 진화 방향을 나타냅니다. 기술적인 논리는 각 작업마다 독립적인 모델을 처음부터 훈련하는 대신 다양한 의료 이미지에 대해 사전 훈련된 기본 모델을 사용하여 미세 조정을 통해 다양한 분석 작업(예: 출혈 감지, 색전증 감지, 골절 감지 등)에 적응하는 것입니다. 이론적으로 이는 새로운 질병 적용 범위의 한계 개발 비용을 줄이고 희귀 질병 시나리오에서 전이 학습을 통해 더 나은 성능을 달성할 수 있습니다. 그러나 이 기술은 아직 초기 배포 단계에 있으며 실제 임상 상황에서 성능 안정성, 환각 비율 제어 및 전용 알고리즘과의 비교를 검증하기 위해서는 더 많은 동료 검토 연구가 필요합니다.

BRIDGE 구현 프레임워크 – 기술 제품부터 구현 방법론까지: Aidoc의 차별화는 알고리즘뿐만 아니라 성숙한 AI 구현 방법에도 있습니다. BRIDGE 지침은 4단계를 다룹니다.

1. AI 평가: 병원의 임상 프로세스와 데이터 품질 IT 인프라를 사전 평가하여 AI 배포 전제 조건을 충족하는지 확인합니다.
2. 워크플로 통합: 트리거 규칙, 알림 경로, 책임 할당을 포함하여 AI 결과를 기존 임상 워크플로에 통합하는 구체적인 방법을 설계합니다.
3. 임상 검증: 현지 환자 모집단의 알고리즘 성능이 표준을 충족하는지 확인하기 위해 배포 환경에서 전향적 또는 후향적 검증을 수행합니다.
4. 지속적 모니터링: AI 알고리즘 성능에 대한 지속적인 모니터링 시스템을 구축하고, 위양성률, 위음성률, 의사 수용도 등의 지표를 추적합니다.

병원의 경우 이는 소프트웨어 세트를 구매하는 것뿐만 아니라 입증된 AI 구현 경로를 획득하여 "구매했지만 사용하지 않는" 위험을 크게 줄이는 것을 의미합니다.

아이독 사용법

Aidoc은 의료 기관에 엔터프라이즈 수준 배포를 제공하며 개별 등록이나 셀프 서비스 평가판을 허용하지 않습니다. 일반적인 액세스 프로세스는 다음과 같은 단계로 구분됩니다.

스테이지	주요 활동	예상주기	참여 역할
평가 필요	우선순위 배포 특수 시나리오 결정 및 IT 인프라 준비 상태 평가	2~4주	병원 CMIO/IT팀 Aidoc 솔루션 컨설턴트
플랫폼 배포	병원 PACS/RIS/EHR 시스템과 iOS 통합, 이미지 라우팅 규칙 구성	4~8주	Aidoc 구현 엔지니어, 병원 IT팀
알고리즘 활성화	전문 분야별 해당 AI 알고리즘 모듈 활성화, 긍정적인 임계값 및 알림 규칙 설정	1~2주	Aidoc 임상전문의, 영상의학과 과장
워크플로우 디자인	임상팀과 협력하여 AI 결과가 기존 워크플로우에 어떻게 적용되는지 설계	2~4주	방사선 전문의, 전문의, 케어 코디네이터
교육이 진행됩니다	방사선 전문의, 전문가 및 IT 팀이 운영 교육을 받음	1~2주	Aidoc 교육팀
지속적인 최적화	iOS 관리 콘솔을 통해 성능, 활용도 및 임상 시간 지표 모니터링	연속	병원 AI 운영팀

통합 인터페이스 설명: aiOS는 HL7 FHIR(EHR 데이터 교환용) 및 DICOM(영상 데이터 교환용) 표준 프로토콜을 통해 병원의 기존 시스템과 인터페이스합니다. 표준 인터페이스를 지원하지 않는 구형 PACS 시스템의 경우 추가 적응 계층이나 미들웨어가 필요할 수 있습니다.

주요 구현 임계값: Aidoc 배포의 전제는 병원이 기본 디지털 구축을 완료했다는 것입니다(PACS 시스템이 정상적으로 실행되고, RIS 시스템이 전체 검사 프로세스를 다루고, EHR 시스템이 구조화된 데이터 입력을 지원함). 여전히 필름 또는 반디지털 워크플로우를 사용하고 있는 병원의 경우 AI 지원 진단 구현 조건이 아직 성숙되지 않았습니다.

Aidoc 제품 가격

Aidoc은 표준 가격표를 게시하지 않으며 모든 가격은 비즈니스 협상을 통해 결정됩니다. 다음은 업계 관행에 따른 가격구조를 분석한 것이다. 구체적인 금액은 Aidoc의 공식 견적에 따릅니다.

• 플랫폼 기본 라이선스 비용 : 의료기관 규모 및 연간 영상검사 건수에 따라 가격이 차등 적용됩니다. iOS 플랫폼 사용 권한, 기본 AI 모듈(예: 방사선학 응급 제품군), 표준 기술 지원 및 플랫폼 업데이트가 포함됩니다. 추정 범위(비공식): 연간 영상 촬영량이 100,000~200,000건에 달하는 중규모 병원의 경우 연간 라이센스 비용은 $200,000~$500,000 범위일 수 있으며 대규모 학술 의료 센터의 경우 $100,000 이상일 수 있습니다.
• 알고리즘 모듈 비용: 전문 분야 및 질병 분야에 따라 별도로 가격이 책정됩니다. 방사선과 응급 패키지는 일반적으로 필수이며 심혈관 및 신경혈관 패키지는 추가 옵션으로 제공됩니다. 병원은 응급영상의학과를 시작으로 단계적으로 단계적으로 활성화하고 AI의 가치를 검증한 뒤 다른 전문분야로 확대할 수 있다.
• 타사 알고리즘 수수료: aiOS를 통해 배포되는 파트너 알고리즘, 가격은 파트너가 설정하며 Aidoc은 플랫폼 배포 수수료(보통 수익의 15%-30%)를 청구합니다. 병원이 제3자 알고리즘 공급업체와 직접 계약을 체결할 때, aiOS 플랫폼과의 호환성을 확인하고 지원 범위를 확인해야 합니다.
• 구현 및 교육 비용: 시스템 통합, 워크플로 설계, 팀 교육 및 실제 지원을 포함한 일회성 비용입니다. 비용 범위는 병원의 IT 복잡성(인터페이스 수, 사용자 정의 요구 사항, 다중 병원 배포 등)에 따라 다릅니다.
• 연간 유지 관리 비용: 지속적인 기술 지원, 알고리즘 업데이트, FDA 규정 준수 유지 관리 및 플랫폼 업그레이드를 포함하여 일반적으로 기본 라이센스 비용의 15%-25%입니다.

구매를 위한 처음 5가지 체크리스트:

1. 기존 PACS/EHR 시스템과 aiOS의 통합 호환성을 확인합니다. (Aidoc은 비슷한 규모의 최소 3개 병원의 통합 사례를 제공해야 합니다.)
2. (FDA 510(k)의 일반 데이터에만 의존하기보다는) 지역 환자 모집단 또는 유사한 모집단에 대한 알고리즘의 임상 검증 데이터를 요청하십시오.
3. 업데이트가 유지 관리 비용에 자동으로 포함되는지 아니면 별도로 청구되는지 여부와 같이 알고리즘 업데이트 및 새로운 FDA 승인 버전을 관리할 책임을 명확히 합니다.
4. 데이터 보안 준수 확인 - HIPAA 준수 인증 상태, 데이터 저장 위치, 환자 데이터가 모델 재교육에 사용되는지 여부.
5. 종료 비용 평가 - 계약 종료 시 데이터 내보내기 계획, 알고리즘 비활성화 후 워크플로우 전환 경로.

Aidoc의 적용 시나리오

다음 네 가지 유형의 시나리오는 Aidoc이 배포한 기관에서 일정 규모로 실제 검증을 거쳤습니다. 각 시나리오 유형의 구현 조건과 검증 초점은 다릅니다.

• 방사선 응급 영상 계층적 처리: CT 스캔이 완료된 후, aiOS는 자동으로 양성 사례를 분석하여 방사선과 작업 목록에 높은 우선 순위로 표시합니다. 영상의학과 전문의는 AI로 표시된 중대 사례(두개내출혈, 폐색전증, 대동맥박리)를 먼저 처리하고, 일상적인 사례는 정상적인 순서로 처리한다. 검증 포인트: AI 우선 순위 표시와 방사선 전문의의 실제 응급 상황 판단 사이의 일관성은 배포 후 정기적으로 검토해야 합니다. AI의 오탐률이 너무 높아 의사가 중요하지 않은 표시를 자주 처리하게 되면 업무 효율성이 저하됩니다. 배포 초기에는 월별 검토를 진행하고, 안정화 이후에는 분기별 검토로 전환하는 것이 좋습니다.

• 부수적 소견에 대한 임상적 관리는 제한적: 흉부 CT에서 우연히 발견된 관상동맥 석회화나 폐결절은 전통적 과정에서 영상의학과 보고서에만 언급되는 경우가 많으며, 적극적인 후속조치가 이루어지지 않고 있다. AI가 자동 인식한 후 추적 권고안 생성, 담당 의사에게 알리기, 전문 외래 진료소 배정 등 환자 관리 프로세스가 시작되어 '방사선과 보고서가 작성되지만 후속 조치가 없음'이 '발견 및 조치'로 전환됩니다. 구현 팁: 이 기능의 실제 효과는 병원 품질 관리팀의 참여 깊이에 따라 크게 달라집니다. 후속 조치 유발 조건(예: CAC 점수 임계값, 결절 크기 분류) 및 책임 할당 규칙(환자에게 통보할 책임과 후속 방문 준비를 담당하는 사람)을 공동으로 설정하는 것이 필요합니다.

• 다병원 뇌졸중 네트워크 협업: 지역 의료그룹에서는 1차 병원의 CT 영상을 AIOS를 통해 자동 분석하고, 양성 결과를 해당 병원 응급실과 해당 그룹 뇌졸중 센터에 동시에 통보합니다. 뇌졸중 센터 전문가는 환자가 병원으로 이송될 때 모바일 단말기를 통해 AI 분석 및 원본 영상 데이터를 받을 수 있으며, 도착 시 중재 과정에 직접 들어갈 수 있어 반복적인 영상 및 재평가 시간을 없앨 수 있습니다. 적용 전제: 의료 그룹은 표준화된 의뢰 프로세스와 이미지 공유 메커니즘을 확립했습니다. AI 알림은 기존 협업 경로를 대체하는 것이 아니라 가속화만 합니다.

• 혈관 수술 응급 및 선택적 수술 계획: AI는 대동맥 박리, 복부 대동맥류 등의 혈관 응급 상황을 자동으로 감지하고 해부학적 매개변수(해부 범위, 동맥류 직경 등)를 정량화하여 중재 수술을 위한 수술 전 계획 참조를 제공합니다. 선택 시나리오에서는 AI 보조 관상동맥 칼슘 채점을 수술 전 위험 평가에 사용하여 혈관 외과의사가 비심장 수술 전에 관상동맥 중재술이 필요한지 여부를 결정하는 데 도움을 줄 수 있습니다. 검증 핵심 포인트: AI 정량화된 해부학적 매개변수와 수술 중 소견 간의 일관성 비율을 위해서는 부서 수준에서 지속적인 비교 메커니즘을 구축해야 합니다.

에이독 적용그룹

Aidoc의 사용자와 수혜자는 여러 임상, 기술 및 관리 역할에 분산되어 있으며 혜택 유형과 인지된 가치에 상당한 차이가 있습니다.

• 방사선 전문의 및 영상진단팀: 가장 직접적인 사용자 그룹입니다. AI 사전심사는 다수의 음성 사례 중 양성 결과를 찾는 시간을 줄여주며, 응급실의 업무량이 많거나(하루 CT 건수 200건 이상) 야간 근무 자원이 부족한 경우에 특히 효과적이다. 전제 조건: 해당 부서가 디지털 이미징 작업 흐름 변환을 완료했습니다(PACS 전체 범위, 구조화된 보고 시스템 준비). 적합하지 않음: 연간 영상 처리량이 30,000건 미만인 소규모 부서의 경우 AI 지원을 통한 효율성 향상이 플랫폼 비용을 감당하기에 충분하지 않을 수 있으며 의사는 기존 워크플로의 확실성과 제어 가능성을 선호할 수 있습니다.

• 병원 정보 및 AI 전략 부서(CMIO, CIO): 임상 AI 평가, 조달 및 배포를 담당하는 의사 결정 그룹입니다. aiOS의 플랫폼 설계를 통해 AI 적용 범위를 점차적으로 확장할 수 있습니다. 먼저 방사선과의 응급실을 시범 운영한 다음 효과를 확인한 후 심혈관, 신경학 및 기타 전문 분야로 확장합니다. 핵심 고려 사항: 플랫폼을 기존 IT 시스템과 통합하는 복잡성, 알고리즘 업데이트 및 FDA 규정 준수에 따른 유지 관리 부담, 타사 알고리즘 생태계의 지속 가능성. 해당 없음: PACS의 기본 디지털화가 아직 완료되지 않은 소규모 병원 또는 1차 의료 센터 - AI 지원 진단에는 안정적인 디지털 이미징 워크플로우가 전제 조건으로 필요합니다.

• 응급실 및 전문 임상의(심장혈관, 신경, 혈관외과): 간접 사용자이지만 상당한 이점을 제공합니다. AI 자동 감지 및 전문 분야 간 진료 조정 기능을 통해 전문의는 환자 관리에 조기에 개입할 수 있습니다. 신경과 전문의는 공식 보고를 위해 최대 1~2시간을 기다리지 않고 환자의 CT가 완료된 후 5~10분 이내에 뇌졸중 AI 분석 결과와 이미지 링크를 받을 수 있습니다. 전제 조건: 병원은 aiOS를 배포하고 해당 전문 AI 모듈을 활성화했으며 의사는 (기존 전화 알림에 의존하는 대신) 모바일 단말기를 사용하여 알림을 받을 의향이 있습니다.

• 병원 품질 관리 및 행정적 의사결정 수준: 기술 자체보다는 AI 도입이 의료 품질 지표(예: Door-to-Needle 시간, Door-to-Puncture 시간, 평균 입원 일수) 개선 효과에 중점을 둡니다. BRIDGE 구현 프레임워크의 지속적인 모니터링 단계는 AI 효과와 품질 지표를 연관시키는 방법론을 제공하지만 실제 구현은 병원 품질 관리 부서가 데이터 수집 및 분석에 인력을 투자할 의향이 있는지 여부에 따라 달라집니다.

부적합한 경계: Aidoc은 비영상 의료 데이터 분석(예: 유전체학, 전자 의료 기록 텍스트 마이닝, 약물 연구 및 개발)에 적합하지 않으며, 개별 원격 진단 또는 건강 관리 서비스를 제공하지 않으며, 소아 영상, 산전 초음파 또는 수술 중 병리학과 같은 전문 분야를 다루지 않습니다. 연간 영상검사 건수가 5만건 미만인 지역병원의 경우 플랫폼 라이선스 비용과 효율성 향상 간의 투자수익률을 신중하게 평가할 필요가 있다. 다년 전체 플랫폼 계약을 직접 체결하는 대신 종량제 또는 특정 기간 한정 파일럿 모델로 시작하는 것이 좋습니다.

Aidoc 개요 및 전망

에이닥은 aiOS 플랫폼 전략을 통해 임상 AI 분야에서 '단일 포인트 알고리즘'에서 '운영체제'까지 차별화된 포지셔닝을 구축했다. 1,600개 이상의 의료 기관에서의 배포 규모, 임상 증거로 뒷받침되는 여러 시간 개선 지표(폐색전증 알림 31% 단축, 뇌졸중 천자 34% 단축), BRIDGE 구현 프레임워크의 방법론적 장벽이 함께 현재 시장 해자를 구성합니다.

비용 절감 및 효율성 향상의 정량적 추론 (공공 정보, 비공식 약속을 기반으로 한 추정):

• 방사선 전문의: AI 사전 검사를 통해 의사 1인당 일일 평균 유효 진단 시간이 약 4시간에서 약 4.8시간(+20%)으로 늘어납니다. 이는 팀 내 의사 5명당 1인의 역량을 확보하는 것과 같습니다.
• 응급실: 뇌졸중 알림 시간이 약 45분에서 약 30분으로 단축되어 혈전용해 치료에 중요한 기간이 확보되었습니다.
• 병원 IT팀: 모든 AI 알고리즘을 단일 플랫폼에서 관리함으로써 여러 독립 시스템의 유지 관리에서 단일 플랫폼 유지 관리로 운영 및 유지 관리 부담이 줄어듭니다. AI 운영 및 유지보수에 대한 IT팀의 인시 투자가 약 40% 정도 줄어들 것으로 추산된다.
• 선행조건: 위 공제액은 Aidoc에서 공개한 실제 연구 데이터와 중형병원의 평균 업무량을 기준으로 합니다. 실제 결과는 부서 워크플로, 인력, 환자 모집단에 따라 다릅니다.

인간-기계 협업 경계(프로세스 특성 분석 기반):

• 100% 자동화 가능: 이미지의 AI 사전 분석, 긍정적/부정적/임계 값의 예비 분류 및 표준화된 후속 알림 트리거 생성. 이러한 절차는 수동 개입 없이 iOS에서 자동으로 완료할 수 있지만 결과는 여전히 의사의 검토와 확인이 필요합니다.
• 수동 확인 필요: 모든 AI 양성 결과에 대한 최종 진단 확인은 인증된 방사선 전문의가 완료해야 합니다. AI로 인한 치료 결정(예: 혈전용해술, 중재적 수술)은 전문가가 검토하고 확인해야 합니다. 환자 통지 및 사전 동의와 관련된 절차에는 임상의의 직접적인 참여가 필요합니다. 되돌릴 수 없는 작업(예: 수술 준비, 약물 처방)은 전체 프로세스에 걸쳐 인간 참여형(Human-in-the-Loop) 확인 지점이 있어야 하며 AI가 이를 직접 실행할 수는 없습니다.

현재 제한 사항 및 불확실성:

1. CARE™ 기본 모델의 검증 격차: FDA 승인 전용 알고리즘부터 다중 작업 기본 모델까지 규제 경로가 불분명합니다. 기본 모델의 "블랙박스" 특성과 FDA의 해석 가능성 요구 사항 사이에는 긴장감이 있으며, 임상 배포는 전용 알고리즘보다 더 정밀한 조사에 직면할 수 있습니다.
2. 타사 알고리즘 품질 관리: 파트너 알고리즘의 성능 일관성, 업데이트 빈도, FDA 변경 관리 책임 분할은 플랫폼 생태계 확장에 숨겨진 위험이 될 수 있습니다. 타사 알고리즘의 성능 벤치마크 및 종료 메커니즘은 조달 계약에서 명확하게 합의되어야 합니다.
3. 통합 깊이와 실제 구현 사이의 격차: 병원마다 PACS/EHR 시스템의 표준화 정도 차이로 인해 구현 주기가 예상 4~8주에서 3~6개월로 연장될 수 있으며, 일부 오래된 시스템에는 추가적인 미들웨어 수정이 필요할 수 있습니다.
4. 경쟁 심화 및 차별화 유지: Google Health 및 Nuance(Microsoft)와 같은 거대 기업은 방사선학 분야의 AI 배포를 가속화하고 있으며, Viz.ai와 같은 수직 기업도 전문화된 워크플로로 심화되고 있습니다. Aidoc의 플랫폼 우위가 지속될 수 있는지 여부는 거대 기업이 시장에 진입하기 전에 타사 생태계의 네트워크 효과가 임계 규모에 도달할 수 있는지 여부에 달려 있습니다.

조달/채택 위험 평가: Aidoc은 명확한 AI 전략 계획(연간 영상 촬영량 100,000건 이상, PACS/EHR 디지털 전환 완료, 정규 임상 AI 팀)을 갖춘 중대형 의료 그룹에 적합합니다. 임상 AI를 처음 도입하는 병원의 경우 영상의학과에서 응급 AI 파일럿(3~6개월 기간)을 시작으로 명확한 정량적 수용 지표(예: 알림 시간 단축률, 의사 활용률, 위양성률 등)를 설정한 후 ROI 검증 후 전체 플랫폼으로 확장하는 것이 좋습니다. 계약 협상 중에는 알고리즘 업데이트 및 FDA 변경 관리에 대한 책임 정의, 데이터 마이그레이션 계획(계약 종료 시 처리된 AI 강화 데이터를 내보내는 방법 등), 플랫폼 확장 기능에 대한 실제 검증 조항에 중점을 두어야 합니다.

관련 도구: midjourney, stable-diffusion

버전 정보

• iOS™ 2026 릴리스 ：파트너 알고리즘 생태계 및 심혈관 AI 적용 범위를 확장하기 위해 기본 모델 CARE™에 대한 지원이 추가되었습니다. 아직 공식적인 정확한 날짜는 없습니다. （~2026-03）
• iOS v5.0 ：혈관 수술 및 심장초음파 분석까지 확장하여 전문 분야 간 진료 조정 기능을 도입합니다. 아직 공식적인 정확한 날짜는 없습니다. （~2025-06）
• iOS v3.0 ：단일 지점 AI 알고리즘에서 통합 AI 운영 체제로 플랫폼을 전환하여 타사 알고리즘 통합을 지원합니다. 아직 공식적인 정확한 날짜는 없습니다. （~2023-09）