韓國核准生成式胸腔X光報告工具，醫療AI走進判讀文字層

胸腔X光是醫院裡最常見、也最容易累積等待量的影像檢查之一。當AI從標出可疑陰影，進一步走向撰寫初步判讀文字，改變的不只是軟體功能，而是放射科醫師每天面對影像、病歷與報告之間的工作節奏。

韓國醫療AI公司Deepnoid表示，其生成式AI胸腔X光初步報告工具M4CXR已取得韓國食品醫藥品安全處第三類醫療器材品項許可，核准編號為D 제허 26-18호。韓國媒體Seoul Economic Daily也報導了這項核准，意味著這套工具在韓國商用化上跨過一項關鍵監管門檻。

依Deepnoid說法，M4CXR可針對胸部X光自動產生初步報告，涵蓋正常影像以及41項與胸腔疾病相關的異常發現。公司產品頁列出的範圍包括肺炎、結核病、肺水腫、氣胸、肋膜積液、心臟擴大與骨折等常見臨床線索；其定位並非替病人自行診斷，而是協助醫師在高量影像工作中更快形成可審閱的報告草稿。

這類工具與早期「偵測單一病灶」的醫療AI有所不同。Deepnoid的技術資料將M4CXR描述為胸腔X光的多模態醫學影像基礎模型，從影像與放射科報告共同學習，目標是把影像判讀推向較接近臨床敘述的層次。公司稱模型使用超過1,000萬筆胸腔X光相關臨床資料訓練，單次推論可處理逾41種發現，平均約2.3秒生成初步結果。

公開學術資料也提供了部分技術背景。2024年發布於arXiv的M4CXR論文將其定位為用於胸腔X光判讀的多模態大型語言模型，任務包括醫療報告生成、影像定位與視覺問答；論文並稱模型可透過類似逐步推理的提示方式，先辨識影像發現，再生成報告，且能適應單張影像、多張影像與多次檢查的報告生成情境。不過，預印本與產品化版本之間的差異，仍需以監管文件與臨床使用資料進一步釐清。

在臨床驗證方面，Deepnoid表示，M4CXR曾進行多中心、回溯性、確證性臨床試驗，結果顯示其報告表現相較放射科醫師報告達到非劣性，且跨機構、年齡層，以及門診、急診、健檢與住院等情境皆維持一致。這些資訊說明監管審查並非只看模型展示能力，但目前公開摘要仍未完整呈現試驗規模、終點設定、錯誤類型與不同疾病亞群的表現落差。

真正的臨床問題，將出現在部署之後。生成式系統若能減少重複性書寫，確實可能緩解放射科報告壓力；但它也可能產生語氣流暢卻不精確的描述，或在罕見、複雜、影像品質不佳的病例中放大醫師的審閱負擔。因此，核准本身不等於自動信任，醫院仍需設計清楚的人機分工、品質監測與責任流程。

M4CXR在2025年11月已被Deepnoid稱為韓國首個生成式AI基礎的創新醫療器材，如今取得品項許可，使生成式醫療AI從示範與論文更接近日常影像科。下一階段的關鍵不在於它能否寫出一份像樣的報告，而在於當報告進入真實病歷系統、面對不同醫院與不同病人時，能否穩定地幫醫師更快、更準確地完成判讀，而不是只把新的審查工作包裝成效率。