내부적으로는 제공되는 장기의 추가, 학습데이터 추가, 혹은 모델 아키텍처 업데이트 시마다 지속적으로 모델을 재 학습하고 있으며, 내부 검증을 마친 모델은 주기적으로 배포하고 있습니다.

가능합니다. 요청해주신 장기가 범용적으로 방사선 치료에 중요하다 생각되면 내부 라벨링 작업에서 우선 순위에 두고 먼저 업데이트 해드릴 수 있습니다. 다만 인공지능 모델 학습을 위해서는 수백 건 이상의 데이터가 필요하기 때문에 업데이트에는 수 개월 이상의 기간이 소요될 수 있습니다. 연구 협력을 통해 업데이트 기간을 앞당길 수 있고, 협력 요청은 언제든지 환영합니다.

기존에는 3D 모델을 주로 사용하였습니다. 2D 모델은 GPU 메모리 제약에서 자유로운 편이라 결과물의 해상도를 높일 수 있어 디테일 측면에서 유리하지만, 슬라이스 간 연결성 이슈가 종종 발생합니다. 3D 모델은 2D 모델과 반대로 연결성 측면에서 우세하지만 디테일 측면에서 제약이 있습니다. 신규 버전은 인공지능 모델 추론의 효율성을 향상해, 2D 및 3D 모델 모두의 장점을 취하고 단점은 상쇄시키는 전략으로 개발 중입니다.

현재 CT 기준으로 100+개의 정상 장기 및 Clinical target volume (CTV)를 제공하고 있습니다. 2025년까지 200개 이상의 구조물들을 제공할 수 있도록 준비하고 있습니다. 또한 내부적으로 MRI, Cone-beam CT (CBCT), Megavoltage CT (MVCT) 등의 다양한 영상 기법에 대한 인공지능 모델을 개발 중이며, 가까운 시일 내에 인허가 갱신을 통해 유저들에게 배포될 예정입니다. 장기적으로는 Gross target volume (GTV)에 대한 자동 분할 정보 또한 제공할 계획입니다.

네, 현재 OncoStudio의 신규 버전 개발 중이며, 2025년 상반기에는 클라우드 기반 제품도 만나보실 수 있습니다.