현장용 초음파(POCUS)는 민간과 군(軍) 분야에서 내상 진단 분류를 위해 흔히 활용됩니다. 특히 전장과 같은 자원 제약 환경의 대량 사상자 상황에서 POCUS는 의료진이 외상으로 인한 유리액 또는 출혈을 신속하며 비침습적으로 평가할 수 있도록 해줍니다. 다만, POCUS 진단의 큰 단점은 초음파 영상을 획득·해석하기 위한 높은 숙련도 요구치입니다. 이를 극복하기 위해, 인공지능(AI)은 영상 판독 시 의료진을 보조하는 효과적인 도구로 입증된 바 있습니다. 본 연구는 두 가지 주요 복부 부위에서 발생하는 출혈 탐지를 위해 블라인드 실시간 진단 정확도를 높이고자 첨단 AI 모델의 훈련 방법론에 초점을 맞추었습니다. 본 연구에서는 회고적 데이터셋(60,000장 이상의 돼지 초음파 영상)을 활용해, 골반 및 우상복부 부위의 자유액을 탐지하기 위한 다채널 입력 값을 처리할 수 있도록 기존 모델 구조의 백본을 활용한 프레임 풀링 기법을 적용한 이진 분류 모델을 학습시켰습니다. 기존 분류 모델의 블라인드 예측 정확도는 각각 0.59와 0.70이었습니다. 이번 새로운 훈련 방식을 적용한 후, 두 부위 모두 0.90을 상회하는 진단 정확도 향상을 달성했습니다. 이는 임상 데이터에서도 유사한 결과를 얻기 위한 추가 최적화의 필요성을 시사하는 유의미한 진단적 개선으로, 매우 고무적인 성과입니다. 더불어, 이번 연구 결과는 AI 기반 진단이 빠른 분류 의사결정이 요구되는 위기 상황에서 인지적 부담을 줄임으로써 사상자에게 이로울 수 있음을 보여줍니다.