 |
| ▲ 건국대병원 안과 신현진 교수(왼쪽), 이번 연구에 핵심적 역할을 한 김수영 연구원(오른쪽) (사진= 건국대병원 제공) |
[mdtoday=김미경 기자] 건국대학교병원 안과 신현진 교수 연구팀이 안와 골절 진단 및 분류를 위한 딥러닝 모델 개발에 성공하며 99.5%의 높은 정확도를 기록했다. 이 연구는 컴퓨터 단층 촬영(CT) 영상을 기반으로 골절 여부뿐만 아니라 급성 및 만성 골절까지 구분하는 인공지능(AI) 모델을 구축했다는 점에서 임상적 활용 가치가 높을 것으로 평가된다.
연구 결과는 미국 구강 및 악안면외과저널 'Journal of Oral and Maxillofacial Surgery'에 게재되었으며, 제133회 대한안과학회에서 학술상을 수상하는 쾌거를 이루었다. 연구팀은 신현진 교수를 비롯해 김수영, 고현강, 이형우 교수 등이 참여하여 공동으로 진행됐다.
안와 골절은 외부의 강한 충격으로 안구를 둘러싼 안와 뼈가 부러지는 외상성 손상을 의미한다. 축구선수 손흥민 선수가 안와 골절 부상 후 마스크를 착용하고 경기에 나선 사례로 일반 대중에게도 잘 알려져 있다. 심한 경우 안구 함몰, 복시, 안구 운동 제한 등의 증상을 유발할 수 있다. CT 촬영으로 진단이 가능하지만, 미세한 골절은 전문의도 놓칠 수 있어 AI를 활용한 진단 보조 시스템의 필요성이 꾸준히 제기되어 왔다.
연구팀은 CT 영상 분석을 통해 안와 골절을 자동으로 진단하고 분류하는 세 가지 딥러닝 모델을 개발했다. 이 모델들은 99.5%의 진단 정확도를 달성했으며, 특히 급성 골절과 만성 골절을 구분하는 기능은 환자 맞춤형 치료 계획 수립에 실질적인 도움을 줄 것으로 기대된다.
첫 번째 모델인 '골절 여부 판단 모델'은 정상과 골절을 자동으로 구분하며, 99.5%의 진단 정확도, 99.6%의 민감도, 그리고 0.9999의 AUC(Area Under the Curve)라는 뛰어난 성능을 보였다.
두 번째 모델인 '골절 위치 분류 모델'은 골절이 발생한 위치를 내측벽, 하벽, 내하측벽으로 분류하며 97.4%의 정확도를 기록했다.
세 번째 모델인 '골절 시기 분류 모델'은 골절이 급성인지 만성인지를 판단하는 모델로, 96.8%의 정확도를 나타냈다.
이번 연구는 2005년부터 2024년까지 건국대학교병원에서 안와 골절 진단을 받은 233명의 환자로부터 수집된 총 1,264건의 안면 CT 데이터를 기반으로 진행됐다. 연구팀은 각 환자의 다수 단면 CT 이미지를 '정상', '골절 있음', '급성', '만성', '내측벽', '하벽' 등으로 세부 라벨링하여 딥러닝 모델 학습에 활용했다.
모델 개발에는 국내 인공지능 개발 플랫폼 Neuro-T가 사용되었다. 전문의가 수작업으로 골절 부위를 라벨링한 데이터를 딥러닝 모델이 학습하여 정상과 골절을 구분하고, 골절의 위치와 시기를 자동 판별하도록 설계되었다. 전체 데이터의 85%는 학습용으로, 나머지 15%는 평가용으로 사용되었다.
특히 이번 연구는 골절의 '시기'를 분류하는 모델을 제시함으로써 기존 연구와의 차별성을 확보했다. 급성 골절은 수술적 치료가 필요한 경우가 많지만, 만성 골절은 환자의 증상과 요구에 따라 치료 여부가 달라질 수 있다. 따라서 AI가 골절 시기를 구분해주는 기능은 진료 현장에서 중요한 의사결정 지원 도구로 활용될 수 있다.
또한, 이 모델은 응급 상황에서 의료진의 신속한 판단을 보조하고, 의료 자원이 부족한 지역에서 미세 골절 진단의 한계를 보완하는 기술로도 기대된다.
신현진 교수는 "이 기술은 향후 광대골, 하악골 등 다른 안면골 골절 진단에도 적용 가능하며, AI 기술과 접목해 골절 부위에 맞는 임플란트 디자인까지 제안하는 통합 진단·치료 시스템 개발로 나아갈 것"이라고 밝혔다. 신 교수는 앞서 3D 프린팅을 이용한 안와 골절 임플란트 수술의 유용성을 입증하는 연구를 발표한 바 있다.
메디컬투데이 김미경 기자([email protected])
[저작권자ⓒ 메디컬투데이. 무단전재-재배포 금지]
