국내 연구진이 기존 엑스레이(X-ray) 영상으로 포착하기 어려웠던 무릎 관절의 가장 심하게 닳은 부위를 인공지능(AI)으로 정밀하게 찾아내 골관절염 중증도를 평가하는 기술을 개발했다.
서울대병원 정형외과 노두현 교수와 동국대일산병원 이도원 교수 공동 연구팀은 딥러닝 알고리즘을 통해 환자마다 다른 연골 마모 지점을 정확히 측정하는 새로운 영상 지표 'oJSW(orthogonal minimum joint space width)'를 개발했다고 6일 밝혔다.
무릎 골관절염 중증도는 허벅지뼈(대퇴골)와 정강이뼈(경골) 사이 간격을 측정해 평가한다. 기존 방식은 관절 특정 위치를 고정해 간격을 쟀기 때문에 환자별 해부학적 특성이나 비대칭적인 마모 상태를 충분히 반영하지 못하는 한계가 있었다.
반면 이번에 개발된 oJSW는 AI가 관절 내부를 자동으로 탐색한 뒤 가장 좁은 지점을 수직으로 측정해 개인별 마모 상태를 정밀하게 반영한다는 점에서 강점이 있다.
연구팀은 미국 국립보건원(NIH)의 대규모 코호트 자료를 활용해 참여자 3855명 무릎 영상 1만5313개를 최대 72개월(6년)간 추적 관찰했다. 딥러닝 기반 신규 영상 지표를 대규모 종적 코호트에서 검증한 것은 이번이 처음이다.
연구 결과 oJSW는 골관절염 초기부터 심한 단계까지 모든 중증도 판별에서 0.86~0.97의 진단 정확도(AUC)를 기록했다. 이는 무작위로 환자와 정상인을 비교했을 때 최대 97%의 확률로 중증도를 정확히 구분해낼 수 있음을 뜻한다. 숙련된 전문가의 육안 평가 신뢰도에 준하는 수준이다.
아울러 12개월간 변화를 추적해 질병 진행 정도를 감지하는 분석(rSRM)에서도 0.91~0.97을 기록, 시간에 따른 무릎 구조의 미세한 악화까지 민감하게 포착하는 것으로 나타났다.
노두현 교수는 “oJSW는 특히 질병의 진행을 늦추는 근본적 치료제 임상시험에서 민감한 평가 도구로 활용되어 신약 개발에 기여할 것으로 기대한다”고 말했다.
이도원 교수는 “완전 자동화된 분석을 통해 객관적이고 표준화된 진단 도구를 제시했다는 데 의의가 있다”고 평가했다.
이번 연구 결과는 유럽스포츠의학회 공식 학회지 'KSSTA(Knee Surgery, Sports Traumatology, Arthroscopy)' 최신호에 게재됐다.
임중권 기자 lim9181@etnews.com
