신체 활동(Physical Activity, PA)은 일관되게 치매 위험 감소와 연관되어 있으나, 신체 활동과 치매 예방을 연결하는 메커니즘은 여전히 완전히 이해되지 않았습니다. 본 연구에서는 영국 바이오뱅크(UK Biobank)의 60세 이상 고령자 42,293명을 대상으로 대규모 언어 모델(LLM) 유도 인과 발견(causal discovery)과 매개 분석(mediation analysis)을 통합하여, 객관적으로 측정된 중강도 및 고강도 신체 활동(MVPA)과 치매 위험을 잇는 경로를 체계적으로 식별했습니다. 행동, 심리, 기능 및 임상 영역 전반에 걸쳐, 인과 발견은 우울증, 기능적 능력, 흡연 행동, 고혈압, 심혈관 질환, 만성 콩팥병, 뇌 손상을 거쳐 높은 MVPA가 낮은 치매 위험으로 이어지는 상호 연결된 경로를 일관되게 확인했습니다. 연쇄 매개 분석에서는 우울증이 중심 경로로 확인되었으며, 이는 MVPA와 치매 위험 간 전체 연관성의 15.1%를 설명했습니다. 성별 계층화 분석에서는 뚜렷한 기전 패턴이 드러났는데, 여성은 주로 대사 및 기능적 경로를 보인 반면, 남성은 흡연 및 심혈관 질환과 관련된 행동 및 심혈관·대사 연쇄 반응을 보였습니다. 종합하면, 이러한 결과는 신체 활동과 치매 사이의 예방적 연관성이 단일 경로가 아닌 상호 연결된 행동, 심리 및 심혈관·대사 과정을 통해 매개됨을 시사합니다. 우울증은 두드러지면서도 잠재적으로 수정 가능한 경로로 나타났으며, 이는 신체 활동 증진과 정신 건강 및 심혈관 위험 관리를 결합한 치매 예방 전략 통합의 가능성을 강조합니다.
의료 비전-언어 모델(VLM)의 최근 발전은 보고서 생성과 시각적 질의응답(VQA)과 같은 이미지 수준의 텍스트 중심 과제에서 강력한 성능을 달성했다. 그러나 3D 의료 VLM에서 세밀한 시각적 그라운딩(visual grounding)과 체적 공간 추론을 달성하는 일은 여전히 어려우며, 특히 이러한 역량을 단일의 일반화 가능한 프레임워크 안에서 통합하려는 경우 더욱 그렇다. 이 문제를 해결하기 위해 우리는 보고서 생성, VQA, 그리고 의미론적·지시(referring)·상호작용적 분할을 포함한 다중 패러다임 분할을 동시에 지원하는 통합 3D 의료 멀티모달 모델인 MedVL-SAM2를 제안했다. MedVL-SAM2는 3D 의료 영상에 맞게 설계된 일관된 아키텍처를 통해 이미지 수준의 추론과 픽셀 수준의 인식을 통합하며, 정밀한 다중 입도 공간 추론을 가능하게 하는 SAM2 기반 체적 분할 모듈을 포함한다. 모델은 다단계 파이프라인으로 학습된다. 먼저 대규모 3D CT 이미지-텍스트 쌍 코퍼스에서 사전학습되어 체적 시각 특징을 영상의학 언어 임베딩과 정렬한다. 이어서 포괄적인 3D CT 분할 데이터셋을 사용해 언어 이해와 분할 목표로 공동 최적화한다. 이 공동 학습은 언어, 점 또는 박스 프롬프트를 통한 유연한 상호작용을 가능하게 하여, 고수준 시각 추론과 공간적으로 정밀한 국소화를 통합한다. 우리의 통합 아키텍처는 보고서 생성, VQA, 그리고 여러 3D 분할 과제에서 최첨단 성능을 제공한다. 광범위한 분석은 또한 모델이 신뢰할 수 있는 3D 시각적 그라운딩, 제어 가능한 상호작용적 분할, 견고한 교차 모달 추론을 제공함을 보여 주며, 고수준 의미 추론과 정밀한 3D 국소화가 통합 3D 의료 VLM 안에서 함께 달성될 수 있음을 입증한다.