25. 의료영상 디지털화 흐름과 DICOM의 미래

의료 영상의 역사는 단순한 필름 사진에서 시작되었지만, 오늘날에는 수많은 디지털 장비와 시스템이 고해상도 영상 데이터를 생성하고 분석하며 이를 병원 내외부에서 실시간으로 공유하는 단계에 이르렀다. 이 변화의 핵심에는 의료영상의 디지털화(Digitization)가 있으며, 이 흐름을 가능하게 만든 표준이 바로 DICOM(Digital Imaging and Communications in Medicine)이다. 하지만 디지털화가 완성되었다고 보기에는 이르다. 여전히 PACS 간 상호운용 문제, 클라우드 이식성, AI 모델 통합 어려움, 그리고 DICOM 포맷의 유연성 부족 등 다양한 과제가 남아 있다.

이 글에서는 의료영상 디지털화의 과거, 현재, 그리고 미래를 조망하고, DICOM 표준이 어떤 방향으로 진화하고 있는지를 구체적으로 설명한다.

 

 

1. 의료영상 디지털화의 역사

시대	주요 특징
1980년대	아날로그 필름 기반 진단 (X-ray)
1990년대	PACS 도입 시작, DICOM 3.0 표준 제정
2000년대	병원 내 완전 디지털 전환 가속
2010년대	클라우드 기반 PACS, 모바일 뷰어 등장
2020년대~	AI 기반 영상 분석, FHIR-DICOM 연계, 디지털 병리 확산

 

📌 DICOM 3.0(1993)은 디지털 의료영상 전송의 사실상 세계 표준으로 자리잡았다.

 

 

2. 현재의 디지털 영상 환경

오늘날 대부분의 병원은 PACS를 통해 디지털 영상 관리를 수행하고 있으며, CT, MRI, 초음파, 내시경, 병리 영상까지 DICOM 포맷으로 수집·보관하고 있다.

주요 특징

• 다중 모달리티(DICOM 지원 장비의 다양화)
• 대용량 데이터 (한 검사당 수백~수천 슬라이스)
• 웹 기반 뷰어, 모바일 뷰어 지원
• AI 시스템 연계, 영상 라우팅 자동화
• 클라우드 기반 백업 또는 공유 시스템 도입

 

3. 현행 DICOM의 한계점

DICOM은 강력한 호환성과 구조를 제공하지만, 다음과 같은 한계로 인해 최신 요구사항에 대응이 어려운 경우도 있다:

문제	설명
포맷 복잡성	메타데이터 구조가 복잡하고 장비별 구현이 상이함
압축 지원 제한	JPEG2000 등 일부 포맷은 장비 간 비호환 발생
AI 연동의 어려움	모델 입력으로 바로 사용하기에 데이터 정제가 필요
클라우드 부적합	파일 기반 구조가 RESTful API 구조와 충돌
뷰어 제한	대부분 PACS 전용 뷰어에 종속됨

 

 

 

4. DICOM의 발전 방향

DICOM 위원회(DSC, DICOM Standards Committee)는 다음과 같은 방향으로 표준을 확장하고 있다:

1) DICOMweb 표준

• WADO-RS, QIDO-RS, STOW-RS와 같은 RESTful API 지원
• 웹 애플리케이션, 클라우드 환경과의 연계가 쉬움
• 기존 PACS에 플러그인 방식으로 적용 가능
• 예시: GET /studies, POST /instances 방식 호출

2) FHIR-DICOM 연동

• FHIR(Fast Healthcare Interoperability Resources) 기반의 EHR 정보와 DICOM의 연결
• 환자 정보, 검사 정보, 영상 정보를 API로 통합
• 의료기관 간 데이터 공유 구조 간소화

3) AI 친화 포맷 확장

• AI 학습/추론 결과를 저장하는 새로운 DICOM Object 유형 (e.g. Segmentation Object, SR Object)
• 병변 위치, 예측 확률 등 AI 결과를 DICOM 안에 포함 가능
• RSNA AI Challenge 등에서 표준 적용 확산 중

4) DICOM for Pathology

• 병리 이미지를 위한 Whole Slide Imaging 지원
• 수 기가바이트 이상의 고해상도 이미지 처리 가능
• 병리학과 AI 융합을 위한 DICOM 확장

 

5. 차세대 의료영상 생태계

미래의 의료영상 시스템은 다음과 같은 방향으로 전개될 것으로 예상된다:

구성 요소	진화 방향
저장 방식	온프레미스 → 클라우드 기반 분산 저장
뷰어	전용 뷰어 → 브라우저 기반 HTML5 뷰어
AI 통합	외부 분석 → PACS 내 실시간 AI 연동
데이터 연계	독립 시스템 → FHIR + DICOM 통합 구조
영상 공유	병원 내부 → 전국 또는 글로벌 협진 플랫폼

📌 의료영상은 더 이상 단일 병원의 자산이 아니라, 환자 중심의 디지털 생태계 자원으로 발전하고 있다.

 

 

6. 의료 IT 개발자를 위한 제언

• DICOMweb과 FHIR 구조 이해는 필수 역량
• AI 결과를 DICOM Segmentation으로 저장하는 방식에 익숙해질 필요
• DICOM을 단순 파일이 아닌 의료정보의 구조적 표현으로 인식해야 한다
• PACS 연동 시스템을 설계할 때는 **표준 기반(특히 IHE 프로필)**을 따라야 유지 관리가 쉬움
• 점차 등장하는 클라우드 PACS/API 기반 플랫폼에 적응 필요 (예: Ambra, Google Cloud Healthcare API 등)

 

---

결론

DICOM은 지난 30년간 의료영상의 디지털화를 가능하게 한 강력한 표준이었으며, 앞으로도 핵심적인 역할을 지속할 것이다.
하지만 의료영상의 클라우드화, AI 분석 통합, 글로벌 데이터 연계라는 새로운 요구에 대응하기 위해 DICOM 역시 진화 중이다.
DICOMweb, FHIR 연동, AI 결과 저장, 병리 영상 지원 등 차세대 DICOM 기술을 이해하고 적극적으로 도입하는 것이 미래 지향적 의료 IT 시스템 구축의 핵심이다. 
다음 글에서는 실제 병원에서 DICOM이 활용되는 사례 분석으로 이어진다.