CHEST RADAR
CHEST IMAGING AI WEEKLYW 1500 · L −600

Chest Radar

№ 82026.11.15 (일)

KEYWORD · 놓침을 줄이는 대가

AI로 놓치는 병변이나 사건을 줄이려는 연구를 모았습니다. 저선량 흉부 CT의 기도 결절 검출, 검진 CT의 1⁠년 내 폐암을 가려내는 두 모형의 결합, 흉부 X선으로 가까운 시점의 심혈관 사건을 추정하는 약지도 학습, 상용 흉부 X선 AI의 현지 보정을 다룹니다. 공통 질문은 민감도를 올린 대가로 무엇이 늘었고, 그 성능이 어떤 정답과 집단에서 나왔는지입니다.

수집 2026.10.30 – 11.12 (PubMed 등록일 기준)읽는 시간 약 10분

이번 호 요약

바로 참고

검진 CT에서 Sybil과 결절 검출 모형을 OR로 묶은 판정은 NLST에서 정한 임계값을 그대로 적용한 스페인 검진 코호트에서 1⁠년 내 폐암 24⁠건 중 23⁠건을 잡았습니다. 대신 비암 검사의 61.7%⁠만 음성으로 분류해, 판독 생략이 아니라 우선순위 보조로 검토할 수준입니다.

주의해서 해석

기도 결절 AI의 판독 보조 효과(평균 민감도 39.5%→72.9%)⁠는 판독자 4⁠명이 50⁠건을 읽은 실험에서 나왔습니다. 흉부 X선 심혈관 사건 모형의 정답은 촬영 후 30⁠일 이내 퇴원요약에 기록된 사건이라, 장기 위험 선별 근거로 읽으면 안 됩니다.

향후 주목

상용 흉부 X선 AI는 같은 제품이라도 어떤 특징을 묶고 임계값을 어디에 두는지에 따라 폐암 긴급 의심 민감도가 49.0%⁠에서 91.7%⁠까지 달라졌습니다. 도입 전 현지 자료로 보정하고, 영상 판독이 아닌 실제 암 진단을 정답으로 다시 확인하는 단계가 필요합니다.

SERIES 01 · EDITOR'S PICK

이번 주 한 편

Insights into imaging
2026
다기관 후향 개발⁠·⁠독립 시험 · 저널 목록 외 · 출판사 공개 전문(본문⁠·⁠표 1–4) 검토 · 보충자료(ESM 1: 방법, 표 S1–S3, 그림 S1–S2) 검토 · 별도 이해관계 양식은 공개되지 않아 본문의 이해관계⁠·⁠연구비 진술 확인

기도 결절 검출 AI, 판독 보조 실험에서 민감도 상승

Deep learning‑based detection and classification of airway nodules on CT for early medical intervention.

중국 연구진이 저선량 흉부 CT에서 구역기관지와 그보다 중심부의 기도 결절을 찾는 검출 모형과 양성⁠·⁠악성 분류 모형을 개발했습니다. 검출 모형은 한 AI 회사가 모은 자료(436⁠명, 결절 907⁠개)⁠로 학습하고 다른 4⁠개 병원 303⁠명의 CT 367⁠건, 결절 738⁠개에서 시험해 민감도 73.7%⁠였습니다. 판독자 4⁠명이 50⁠건을 읽은 실험에서는 AI 보조 시 평균 민감도가 39.5%⁠에서 72.9%⁠로 올랐지만, 소규모 판독 실험이라 실제 검진 효과로 보기는 이릅니다.

  • 독립 시험(4⁠개 병원, CT 367⁠건, 결절 738⁠개)⁠에서 결절 단위 민감도는 73.7%(95% 신뢰구간 70.4–76.9%), F1 점수 69.6%⁠였고, 위양성은 367⁠건에서 281⁠개(검사당 0.77⁠개)⁠였습니다. 8 mm 이상 결절의 민감도는 77.2%⁠였습니다.
  • 기도 결절이 없는 음성 대조 CT 136⁠건에서는 위양성이 40⁠개(검사당 0.29⁠개)⁠였고 101⁠건(74.3%)⁠은 위양성이 없었습니다. 다만 음성 대조군의 평균 나이는 34.2⁠세로 검진 대상과 다릅니다.
  • 독립 시험 자료에서 무작위로 고른 50⁠건을 판독자 4⁠명(경력 3⁠년 2⁠명, 10⁠년 이상 2⁠명)⁠이 3⁠주 간격으로 AI 없이, 그리고 AI와 함께 읽었습니다. 평균 민감도 39.5%→72.9%(P=0.034), F1 점수 49.4%→77.2%(P=0.025), 평균 판독 시간 83.8⁠초→61.8⁠초(P=0.047)⁠였습니다. 판독자별 민감도 상승 폭은 7.0%⁠포인트(57.3%→64.3%)⁠에서 47.5%⁠포인트(25.2%→72.7%)⁠까지 달랐습니다.
  • 분류 모형은 CT 286⁠건(양성 121⁠건 중 점액마개 106⁠건 포함, 악성 165⁠건)⁠으로 개발했고, 별도 독립 시험 62⁠건에서 AUC 0.80(95% 신뢰구간 0.68–0.93), 민감도 72.7%, 특이도 87.5%⁠였습니다.

왜 중요한가기도 결절은 폐실질 결절보다 덜 주목받아 놓치기 쉽고, 저자들은 판독의가 세 번째 추적 CT에서야 발견한 악성 사례를 AI가 첫 검사에서 표시한 예를 제시했습니다. 기도만 따로 보는 2⁠차 판독 도구라는 표적은 분명합니다. 다만 독립 시험의 민감도 73.7%⁠는 결절 4⁠개 중 1⁠개가량을 여전히 놓친다는 뜻입니다.

판독실에서검진 CT 판독에서 기관과 기관지 내강을 따로 훑는 습관을 대신하지는 못합니다. AI 표시는 보조 정보로 쓰고, 저자가 밝힌 위양성 원인인 기관 내 격벽, 기도벽 석회화, 기관지 주변 작은 혈관을 알고 판단해야 합니다. 분비물과 종양의 구분은 Lung‑RADS v2022⁠처럼 추적 CT에서 지속 여부를 함께 보는 방식이 여전히 기준입니다.

한계독립 시험 결절 738⁠개는 두 병원 PACS 판독문을 기관지 관련 키워드로 검색해 찾은 357⁠개와 병리로 확진된 양성⁠·⁠악성 폐종양 또는 폐병변 환자에서 모은 381⁠개로 구성된 선택 표본입니다(보충 표 S1). 판독 실험은 50⁠건⁠·⁠4⁠명 규모입니다. 분류 모형의 외부 시험은 단일기관 62⁠건입니다. 학습 자료는 Shukun Technology가 수집한 비식별 자료이고 주석에 같은 회사의 소프트웨어를 썼으며, 저자 2⁠명이 이 회사 직원이라고 밝혔습니다. 연구비는 중국 국가중점연구개발계획이고, 원자료는 교신저자에게 요청하도록 되어 있습니다.

RESEARCH SEED

국내 폐암검진 저선량 CT에 기도 결절 검출 AI를 2⁠차 판독으로 붙이면, 판독문의 기도 결절 기록률과 기관지내시경 의뢰, 1⁠년 내 중심부 폐암 발견이 함께 달라질까요?

SERIES 02 · CLINICAL AI

임상 AI 연구

Radiology. Cardiothoracic imaging
2026
두 검진 코호트 후향 분석 · 출판사 무료 공개 전문(본문⁠·⁠표 1–4) 검토 · 보충자료(부록 S1–S2, 표 S1–S18, 그림 S1–S5) 검토 · 이해관계 공개 양식(ICMJE 17⁠부) 검토

Sybil과 결절 검출 모형 결합, 놓침은 줄고 양성은 늘어

Comparison of Two Deep Learning Models and Their Combination for 1-year Lung Cancer Detection in Two Screening Cohorts.

미국 NLST의 공개 시험 부분집합 기저 저선량 CT 2,343⁠건과 스페인 P‑IELCAP 2,767⁠건에서 Sybil, MONAI 결절 검출 기반 모형, 6 mm 초과 고신뢰 결절 규칙을 OR로 묶은 합성 모형의 1⁠년 내 폐암 검출을 평가했습니다. 임계값은 NLST에서 정한 뒤 P‑IELCAP에 그대로 적용했습니다. P‑IELCAP에서 합성 모형은 1⁠년 내 폐암 24⁠건 중 23⁠건을 잡았지만 비암 검사의 61.7%⁠만 음성으로 분류했습니다.

  • Sybil의 1⁠년 폐암 AUC는 NLST 0.93(95% 신뢰구간 0.88–0.98), P‑IELCAP 0.93(0.88–0.97)⁠으로 같았고, MONAI 기반 모형은 0.90(0.84–0.96)⁠에서 0.79(0.72–0.86)⁠로 떨어졌습니다(P=.02).
  • P‑IELCAP에서 합성 모형은 민감도 23/24(95.8%), 특이도 1,662/2,695(61.7%), 양성예측도 23/1,056(2.2%), 음성예측도 1,662/1,663(99.9%)⁠였습니다. 같은 자료에서 Sybil 단독은 민감도 22/24(91.7%), 특이도 2,242/2,695(83.2%)⁠였습니다.
  • NLST에서 합성 모형은 민감도 40/41(97.6%), 특이도 1,069/2,270(47.1%)⁠였습니다. 임계값을 정한 같은 자료의 값이라 저자도 다소 낙관적일 수 있다고 밝혔습니다.
  • Sybil에 나이⁠·⁠성별⁠·⁠흡연량⁠·⁠폐기종이나 MONAI 결절 특징을 더해도 AUC는 유의하게 개선되지 않았습니다.
  • 보충 표 S17⁠에서 P‑IELCAP의 1⁠년 내 폐암이 없던 사람 중 2–6⁠년 폐암 발생은 합성 모형 음성군 11/1,662(0.7%), 양성군 7/1,033(0.7%)⁠으로 같았습니다. NLST 쪽은 보충 표 S17⁠의 양성군 분모(1,207⁠명)⁠가 본문 표 4(1,201⁠건)⁠와 맞지 않습니다. 기저 음성 판정이 이후 검진 간격을 늘려도 된다는 근거는 아닙니다.

왜 중요한가결절 중심 모형은 코호트가 바뀌자 성능이 떨어졌고, 영상 전체를 보는 위험 모형 Sybil은 두 코호트에서 비슷했습니다. 둘을 OR로 묶으면 놓치는 암은 줄지만 양성 판정이 크게 늘어, 민감도를 특이도로 사는 구조가 수치로 드러납니다.

한계1⁠년 내 폐암은 두 코호트 합쳐 65⁠건으로 적고, 진단 시점 정의가 NLST(조직 확진)⁠와 P‑IELCAP(진단 평가를 시작한 CT)⁠에서 다릅니다. Sybil은 NLST로 개발된 모형이라 NLST 공개 시험 부분집합의 성능은 같은 시험 안의 평가입니다. MONAI가 실행되지 않은 검사(NLST 32⁠건, P‑IELCAP 48⁠건)⁠는 비교에서 빠졌습니다. 연구는 HeartLung.AI가 시작했고 원고 준비 비용도 이 회사가 지원했으며, 저자 17⁠명 중 7⁠명이 이 회사 소속입니다. 이해관계 공개 양식에서 제1⁠저자는 HeartLung.AI 스톡옵션과 학회 체재⁠·⁠등록비 지원, 폐암 CT 분석 알고리즘 특허 로열티(2025⁠년 만료)⁠를 밝혔습니다.

RESEARCH SEED

국내 폐암검진 기저 저선량 CT에서 Sybil 1⁠년 확률을 판독 우선순위에 썼을 때, 판독 순서 변경만으로 고위험 검사의 판독 완료 시간과 추가 검사 결정까지의 시간이 줄어들까요?

Journal of imaging informatics in medicine
2026
공개 자료(MIMIC‑IV) 후향 개발⁠·⁠단일 외부기관 검증 · 저널 목록 외 · 기관 구독으로 전문(본문⁠·⁠표 1–4) 검토 · 보충자료(ESM 1: 표 S1–S3) 검토 · 별도 이해관계 양식은 공개되지 않아 본문의 이해관계 진술 확인, 연구비 문구는 본문에서 확인되지 않음

퇴원요약을 약한 정답으로 쓴 흉부 X선 심혈관 사건 모형

Two‑Phase Multimodal Integration of Clinical Text and Imaging for Population‑scale Screening of Major Adverse Cardiovascular Events.

미국 연구진이 퇴원요약에서 주요 심혈관 사건(심근경색⁠·⁠심부전⁠·⁠허혈성 심질환⁠·⁠뇌졸중)⁠을 규칙 기반 방법이나 대규모 언어모델(Mistral‑Instruct)⁠로 자동 추출하고, 이를 약한 정답으로 삼아 흉부 X선 모형을 학습했습니다. 공개 자료 MIMIC‑IV의 36,622⁠명으로 개발하고 다른 기관 2,152⁠명에서 검증해 외부 AUC 0.77(95% 신뢰구간 0.75–0.79)⁠이었습니다. 정답은 흉부 X선 촬영 후 30⁠일 이내 퇴원요약에 기록된 현재 사건이라, 장기 위험 선별보다 가까운 시점의 사건 추정에 가깝습니다.

  • 1⁠단계 문서 표지 추출은 수기 정답이 있는 내부 문서 시험 자료 141⁠건에서 규칙 기반 방법이 민감도 0.91(95% 신뢰구간 0.88–0.95), 특이도 0.71(0.66–0.75), 5⁠개 예시 Mistral‑Instruct가 민감도 0.80(0.76–0.86), 특이도 0.79(0.75–0.83)⁠였습니다. 외부 문서에서 정확도는 각각 0.80, 0.77⁠이었습니다.
  • 2⁠단계에서 Mistral 표지로 학습한 DenseNet-121 흉부 X선 모형은 내부 시험 AUC 0.81(0.78–0.84), 외부 시험 AUC 0.77(0.75–0.79)⁠이었고, 외부 민감도 0.62, 특이도 0.82⁠였습니다. 외부 시험의 사건 비율은 2,152⁠명 중 120⁠명(5.6%)⁠이었습니다.
  • 비교 기준인 수기 정답 100⁠건 학습 모형은 같은 구조에서 외부 AUC 0.44⁠로 낮아, 약지도 학습의 우위는 매우 작은 수기 학습 자료와의 비교라는 점을 감안해야 합니다.
  • 진양성률 격차 분석(보충 표 S1)⁠에서 수기 정답 모형은 당뇨 하위군 격차가 3.75⁠까지 벌어졌고, 약지도 모형은 하위군 간 격차가 작았다고 저자는 보고했습니다.

왜 중요한가판독문이나 진료기록에 이미 있는 정보를 정답으로 바꿔 대규모 영상 학습 자료를 만드는 방법은 국내 병원 자료에도 적용할 수 있는 설계입니다. 다만 이 연구의 사건 표지는 촬영 시점 전후의 입원 사건을 담기 쉬워, 흉부 X선이 이미 보이는 심부전 소견을 잡았을 가능성을 배제하기 어렵습니다.

한계후향 연구이고 외부 검증은 한 기관입니다. 정답 자체가 문서 자동 추출이라 약 20%⁠의 표지 오류가 있다고 저자가 밝혔고, 사건 정의에 심부전이 포함돼 촬영 당시 영상 소견과 결과가 겹칠 수 있습니다. 보정(calibration)⁠과 임상 효용은 평가하지 않았습니다. 저자들은 이해관계가 없다고 밝혔고, 본문에서 연구비 문구는 확인되지 않았습니다.

RESEARCH SEED

국내 응급실 흉부 X선에 이 방식의 모형을 적용하면, 촬영 시점에 이미 진단된 심부전을 제외한 뒤에도 30⁠일 이후 심혈관 사건 예측력이 남을까요?

임상 변수와 흉부 CT 종양⁠·⁠주변 radiomics 결합으로 종양변이부담 예측, 외부 AUC 0.765

초록 기준 · 저널 목록 외. 비소세포폐암 380⁠명(학습 228, 검증 97, 외부 시험 55)⁠에서 종양과 주변 5 mm radiomics를 합친 모형으로 종양변이부담(TMB)⁠을 예측했습니다. 임상 변수를 더한 모형의 AUC는 학습 0.888, 검증 0.825, 외부 시험 0.765(95% 신뢰구간 0.592–0.938)⁠였습니다. 면역관문억제제 치료 65⁠명에서 radiomics 점수는 무진행생존의 독립 예후인자였지만(위험비 0.483, 0.236–0.990) 신뢰구간 상한이 1⁠에 가깝습니다.

Technology in cancer research & treatmentPubMed ↗ 논문(DOI) ↗

I기 폐선암 3⁠년 재발, 수술 전 CT radiomics와 임상 결합 외부 AUC 0.850

초록 기준 · 저널 목록 외. 중국 두 병원에서 수술한 임상 I기 폐선암 333⁠명 중 63⁠명(18.9%)⁠이 3⁠년 내 재발했습니다. 한 병원(199⁠명)⁠에서 만든 임상⁠·⁠radiomics 결합 모형은 다른 병원(134⁠명)⁠에서 AUC 0.850(95% 신뢰구간 0.752–0.948)⁠으로 임상 모형 0.674⁠보다 높았습니다(P=0.02). 보정 기울기는 0.763⁠으로, 외부 자료에서 예측 위험이 다소 극단적으로 나왔음을 시사합니다.

Journal of thoracic diseasePubMed ↗ 논문(DOI) ↗

PET/CT 서식지 radiomics로 EGFR 변이 추정, 외부 AUC 0.884

초록 기준 · 저널 목록 외. 국소진행 비소세포폐암 313⁠명에서 PET과 CT 신호로 종양 안을 네 구역으로 나눈 서식지 radiomics 모형을 만들었습니다. 다른 기관 110⁠명(변이 64⁠명)⁠의 외부 검증에서 AUC 0.884(95% 신뢰구간 0.829–0.933)⁠였고, 학습 자료에서 정한 임계값의 민감도는 0.750, 특이도는 0.739, 음성예측도는 0.680⁠이었습니다. 저자도 조직⁠·⁠혈장 분자검사를 대신할 수 없다고 밝혔습니다.

Technology in cancer research & treatmentPubMed ↗ 논문(DOI) ↗
SERIES 03 · IN PRACTICE

현장 도입

Insights into imaging
2026
전향 수집 자료로 개발⁠·⁠별도 후향 자료로 검증(RADICAL 연구의 계획된 기술 평가) · 저널 목록 외 · 출판사 공개 전문(본문⁠·⁠표 1–4) 검토 · 보충자료(S1–S9) 검토 · 별도 이해관계 양식은 공개되지 않아 본문의 이해관계⁠·⁠연구비 진술 확인

상용 흉부 X선 AI, 특징 조합과 임계값을 현지 보정

Flagging urgent suspicion of lung cancer with AI CXR algorithms: optimising feature selection and performance.

스코틀랜드 NHS 그레이터글래스고⁠·⁠클라이드에서 상용 흉부 X선 AI(qXR 4.0)⁠의 이상 소견별 확률을 조합해 '폐암 긴급 의심(USC)'을 표시하는 방법을 비교했습니다. 정답은 영상의학과 전문의의 눈가림 이중 판독이었습니다. 전문가가 고른 특징에 회사가 이 지역 자료로 정한 특징별 임계값을 적용하면 민감도가 50% 미만이었고, 회귀로 특징을 고르고 가중치를 준 모형은 별도 검증 자료에서 민감도를 크게 올렸습니다.

  • 개발 자료는 일차의료⁠·⁠외래 흉부 X선 2,881⁠건(학습 1,902, 시험 979)⁠이고, 검증 자료는 입원⁠·⁠외래 983⁠건으로 USC 비율은 각각 7.9%, 9.8%⁠였습니다.
  • 전문가가 고른 다섯 특징(종괴, 결절, 공동, 폐문 비대, 종격동 확장)⁠에 회사(qure.ai)⁠가 USC 비율 50%⁠로 맞춘 현지 영상 500⁠장으로 정한 특징별 임계값(보충 S3)⁠을 적용하면 검증 자료 AUC 68.1%, 민감도 49.0%(95% 신뢰구간 38.6–59.4%)⁠였습니다. 종괴 임계값은 1.00⁠으로 정해져 검증 자료에서 양성 판정이 한 번도 나오지 않았습니다(보충 S6).
  • AIC⁠·⁠LASSO로 고른 네 특징(경화, 결절, 결핵, 공동)⁠의 가중 모형은 검증 자료 AUC 87.2%⁠로 전문가 특징 가중 모형 84.1%⁠보다 높았습니다(P=0.03). 같은 모형의 검증 자료 민감도는 Youden 임계값에서 91.7%(84.2–96.3%), 학습 자료에서 양성 표시율 15%⁠가 되도록 정한 임계값에서 80.2%(70.8–87.6%)⁠였고, 이때 검증 자료의 실제 양성 표시율은 25.8%⁠였습니다.

왜 중요한가같은 상용 제품이라도 어떤 출력을 어떻게 묶어 쓰는지에 따라 성능이 크게 달라진다는 점을 실제 도입 지역 자료로 보여 줍니다. 학습 자료에서 양성 표시율 15%⁠가 되도록 정한 임계값의 성능도 함께 제시했는데, 이 임계값을 검증 자료에 적용하자 실제 양성 표시율은 25.8%⁠였습니다.

판독실에서흉부 X선 AI를 도입할 때 회사가 정해 준 특징별 임계값을 그대로 쓰기보다, 현지 자료로 목적에 맞는 특징 조합과 임계값을 정하고 양성 표시율이 판독 업무량에 미치는 영향을 함께 봐야 합니다.

한계정답은 실제 폐암 진단이 아니라 임상 정보와 과거 영상 없이 판독한 USC 판정이라, 만성 병변이나 이미 알려진 암도 USC로 표시될 수 있다고 저자가 밝혔습니다. 결과는 이 제품과 이 지역에 한정됩니다. 연구비는 qure.ai와 스코틀랜드 정부 조기암발견 사업이 지원했고, 정답 판독도 회사가 제공한 플랫폼에서 이뤄졌습니다. 저자 중 1⁠명은 Qure.AI 소속이고, 다른 저자 1⁠명은 qure.ai 등에서 연구비와 여비를 받았다고 공개했습니다.

RESEARCH SEED

국내 병원이 도입한 흉부 X선 AI의 결절⁠·⁠종괴 출력 조합과 임계값을 실제 6⁠개월 내 폐암 진단을 정답으로 다시 보정하면, 회사가 정한 임계값 대비 민감도와 양성 표시율이 어떻게 달라질까요?

SERIES 04 · REGULATORY & INDUSTRY

허가 · 제품 소식

  • 2026-11-09

    흉부 X선 AI, 원격판독 PACS에 통합 확대

    회사 발표 기준. Nanox는 자회사인 원격판독 회사 USARAD가 2023⁠년부터 쓰던 AZmed의 X선 AI를 업무흐름에 더 깊이 통합한다고 11⁠월 9⁠일 발표했습니다. USARAD는 2026⁠년부터 흉부 X선용 AZchest(기흉⁠·⁠흉수⁠·⁠경화⁠·⁠심흉비 증가 검출, FDA 허가)⁠를 쓰고 있으며, AI 결과는 Nanox Marketplace를 거쳐 USARAD의 클라우드 PACS(OnePacs)⁠로 전달됩니다. 새 허가나 임상효과 근거가 아니라 기존 제품의 판독 업무 통합 발표입니다.

  • 2026-11-09

    루닛, 사우디 국가방위부 의료기관에 흉부 X선 AI 공급 발표

    회사 발표 기준. 루닛은 사우디아라비아 국가방위부 보건부문(MNGHA)⁠에 흉부 X선 AI(Lunit INSIGHT CXR)⁠와 유방촬영 AI(Lunit INSIGHT MMG)⁠를 공급한다고 11⁠월 9⁠일 발표했습니다. stc 그룹의 ICT 자회사(solutions by stc)⁠가 시스템 통합을 맡아 기존 PACS 안에서 AI 결과를 보게 됩니다. 공급 계약 발표이며 도입 효과나 환자 결과를 보여 주는 자료는 아닙니다.

SERIES 06 · IMPRESSION

이번 주 통합 결론

  1. 검진 CT의 1⁠년 내 폐암 판정에서 두 모형을 OR로 묶으면 놓침은 줄지만 양성 판정이 크게 늘어, 판독 생략이 아니라 우선순위 보조로 평가해야 합니다.
  2. 기도 결절 검출 AI와 흉부 X선 심혈관 사건 모형은 각각 소규모 판독 실험과 문서 자동 추출 정답에 기대고 있어, 실제 진료 결과와 연결한 검증이 다음 단계입니다.
  3. 상용 흉부 X선 AI는 특징 조합과 임계값에 따라 성능이 크게 달라지므로, 도입 전 현지 자료로 목적에 맞게 보정해야 합니다.
  4. 제작 고지: 범위 판정⁠·⁠일차 채점⁠·⁠선정⁠·⁠집필은 Claude Opus 5.5, 이차 독립 채점과 독립 문장 검수는 GPT-6 Astra가 담당했습니다.