E. 로발리노 곤자가(E. Robalino Gonzaga), 줄리아나 마데이(Juliana Madej), 니틴 K. 아후자(Nitin K. Ahuja)는 식도 근육 압력을 측정하는 검사인 식도 내압검사 진단에서 AI 활용을 다룬 2026년 서술적 리뷰를 Current Gastroenterology Reports에 발표했다. 리뷰에 따르면 식도 운동질환의 표준검사인 고해상도 내압검사는 판독자 간 차이, 전문 식도질환 의사의 부족, 여러 소화기내과 전임의 과정의 훈련 인프라 부족이라는 한계를 안고 있다.

저자들은 5,000명 이상 환자를 포함한 연구 22건을 3개의 겹치는 단계로 종합했다. 초기 머신러닝은 특징 추출과 분류에 쓰였고, 딥러닝은 자동 패턴 인식과 운동성 분류에 적용됐으며, 최근에는 임상 해석과 의사결정을 위한 멀티모달 및 대규모 언어 모델 기반 프레임워크가 등장했다. 보고된 진단 정확도는 71%에서 97% 범위였다.

리뷰는 멀티모달 내압검사 데이터가 인간의 시각적 판독으로는 보이지 않는 압력 신호를 드러낼 수 있으며, Chicago Classification을 넘어서는 표현형을 가리킬 수 있다고 설명했다. 다만 AI가 환자 예후를 개선했다는 연구는 아직 없고, 운동성 질환 훈련에서 AI의 역할도 대체로 탐색되지 않은 상태다.

E. 로발리노 곤자가(E. Robalino Gonzaga), 줄리아나 마데이(Juliana Madej), 니틴 K. 아후자(Nitin K. Ahuja)는 식도 근육 압력을 측정하는 검사인 식도 내압검사 진단에서 AI 활용을 다룬 2026년 서술적 리뷰를 Current Gastroenterology Reports에 발표했다. 리뷰에 따르면 식도 운동질환의 표준검사인 고해상도 내압검사는 판독자 간 차이, 전문 식도질환 의사의 부족, 여러 소화기내과 전임의 과정의 훈련 인프라 부족이라는 한계를 안고 있다.

저자들은 5,000명 이상 환자를 포함한 연구 22건을 3개의 겹치는 단계로 종합했다. 초기 머신러닝은 특징 추출과 분류에 쓰였고, 딥러닝은 자동 패턴 인식과 운동성 분류에 적용됐으며, 최근에는 임상 해석과 의사결정을 위한 멀티모달 및 대규모 언어 모델 기반 프레임워크가 등장했다. 보고된 진단 정확도는 71%에서 97% 범위였다.

리뷰는 멀티모달 내압검사 데이터가 인간의 시각적 판독으로는 보이지 않는 압력 신호를 드러낼 수 있으며, Chicago Classification을 넘어서는 표현형을 가리킬 수 있다고 설명했다. 다만 AI가 환자 예후를 개선했다는 연구는 아직 없고, 운동성 질환 훈련에서 AI의 역할도 대체로 탐색되지 않은 상태다.