자궁 MRI의 표준화된 평가는 해부학적 가변성, 관찰자 의존성, 그리고 워크플로 통합형 자동 분석 도구의 부재로 인해 여전히 어려운 과제로 남아 있습니다. 본 연구에서는 Female-RHINO: (R)eproductive (H)ealth (I)maging A(N)alysis T(O)ol을 제시합니다. 이는 영상 획득 과정 중 자동화된 정량적 자궁 MRI 분석 및 구조화된 보고를 수행하는 실시간 AI 보조 프레임워크입니다. 우리는 MRI 스캐너와의 인라인 통신(inline communication)과 딥러닝 기반 분석을 통합하여, 시상면 T2 강조 골반 MRI(sagittal T2-weighted pelvic MRI)로부터 정량적 자궁 바이오마커(biomarkers)를 도출하는 엔드 투 엔드(end-to-end) 시스템을 선보입니다. 이 프레임워크는 다양한 프로토콜, 제조사 및 환자군을 아우르는 500개 이상의 다기관 데이터셋에서 학습 및 평가된 세그멘테이션(segmentation) 및 해부학적 랜드마크 검출(anatomical landmark detection) 모델을 결합합니다. 이 시스템은 부피 측정(volumetry)을 수행하고, 근종(fibroids) 및 나보트 낭종(Nabothian cysts)과 같은 일반적인 부수적 발견(incidental findings)을 검출 및 정량화하며, 생체 계측 평가를 위한 6개의 해부학적 랜드마크를 추출합니다. 결과는 수동 상호작용 없이 통합된 시각화 자료를 포함하여 임상의 중심의 구조화된 보고서로 컴파일됩니다. 독립적인 회고적(retrospective) 및 전향적(prospective) 코호트에 대한 평가 결과, 다양한 획득 설정 전반에서 견고한 성능을 입증했습니다. 평균 Dice 유사 계수(Dice similarity coefficients)는 자궁의 경우 0.82, 근종의 경우 0.80이었으며, 나보트 낭종의 경우 더 낮지만 일관된 일치도를 보였습니다. 랜드마크 검출은 평균 3.7mm의 반경 오차(radial error)를 달성했습니다. 엔드 투 엔드 프로세싱은 70초 이내에 완료되어, 스캔이 진행되는 동안 결과를 확인할 수 있습니다. 전향적 배포를 통해 관찰자 간 일치도(inter-observer agreement)가 뒷받침되는 즉각적이고 표준화되며 재현 가능한 분석을 구현했습니다. 제안된 시스템은 자동화된 자궁 MRI 분석 및 보고를 위해 실시간 스캐너 통합 AI를 가능하게 하며, 골반 영상 촬영의 표준화, 효율성 및 임상 워크플로를 개선할 잠재력을 가지고 있습니다.