다상 조영 증강 CT (Multiphasic contrast-enhanced CT, CECT)는 복부 병변의 특성 파악에 널리 사용되지만, 조영제 유발 신병증 (contrast-induced nephropathy)의 내재적 위험을 수반하며, 획득 부담을 가중시키고 영상의학 전문의의 업무량을 크게 증가시킵니다. 이러한 과제를 해결하기 위해, 우리는 단상 비조영 CT (single-phase non-contrast CT, NCCT)로부터 조영 증강 소견을 합성하는 법을 학습하는, 다기관 복부 질환 진단 및 자동 영상의학 보고서 생성을 위한 새로운 멀티 센터 벤치마크를 소개합니다. 이를 지원하기 위해, 우리는 두 센터로부터 쌍을 이룬 NCCT-CECT 연구 데이터와 그에 상응하는 조영 증강 영상의학 보고서를 수집하여 내부 세트와 외부 검증 코호트로 나누어 대규모 데이터셋을 구축했습니다. 통일된 평가 프로토콜 하에, 우리는 흉부 특화, 복부 특화 및 범용 멀티모달 (multimodal) 도메인을 아우르는 다섯 가지 최신 딥러닝 아키텍처를 벤치마킹했습니다. 광범위한 실험을 통해 NCCT가 진단 신호를 유지하고 있음을 입증하였으며, 내부 코호트에서 평균 69.1%, 외부 코호트에서 63.1%의 다기관 AUC를 각각 달성했습니다. 이 데이터셋과 표준화된 벤치마크를 공개함으로써, 본 연구는 더 안전하고 자원 효율적이며 전 세계적으로 접근 가능한 무조영 복부 영상 워크플로우에 대한 향후 연구를 촉진하는 것을 목표로 합니다. 코드는 다음에서 확인할 수 있습니다: https://github.com/xmed-lab/TriALS-Report.