현재 흉부 X선 촬영(CXR)에 대한 병변 세그멘테이션 모델의 적용 가능성이, 타깃 레이블 수의 제한과 전문가 수준의 긴 세부 정보를 포함한 텍스트 입력에 대한 의존성으로 인해 제한되어 왔다. 이러한 한계를 극복하기 위해, 간단하고 사용자 친화적인 지시문을 기반으로 다양한 병변 유형을 세그멘테이션할 수 있도록 설계된 새로운 패러다임인 지시어 기반 병변 세그멘테이션(Instruction-guided Lesion Segmentation, ILS)을 제안한다. 이 패러다임 하에서, 흉부 X선 영상과 해당 보고서로부터 자동으로 애너테이션을 생성하는 완전 자동화된 다중 모달 파이프라인을 활용하여, CXR 병변 세그멘테이션을 위한 최초의 대규모 지시어-응답 데이터셋인 MIMIC-ILS를 구축하였다. MIMIC-ILS는 192,000장의 이미지와 91,000개의 고유한 세그멘테이션 마스크에서 유도된 총 110만 개의 지시어-응답 쌍을 포함하며, 7가지 주요 병변 유형을 포괄한다. 그 실용성을 실험적으로 입증하기 위해, MIMIC-ILS를 기반으로 미세 조정된 시각-언어 모델인 ROSALIA를 제안한다. ROSALIA는 사용자 지시에 따라 다양한 병변을 세그멘테이션하고, 텍스트 설명을 제공할 수 있다. 제안된 새로운 과제에서 모델은 높은 세그멘테이션 정확도와 텍스트 정확도를 달성하였으며, 본 연구의 파이프라인의 효과성과 MIMIC-ILS가 픽셀 수준의 CXR 병변 지칭을 위한 기초 자원으로서의 가치를 입증한다.