국내 연구진이 인공지능(AI) 딥러닝 기술을 활용해 기존 X-ray 진단으로는 포착하기 어려웠던 무릎 관절의 ‘가장 심하게 닳은 부위’를 찾아내는 신규 영상 지표를 개발했다.
노두현 서울대병원 교수와 이도원 동국대일산병원 교수 공동 연구팀은 환자별로 다른 무릎 연골의 마모 상태를 정확히 측정하는 AI 기반 영상 지표 ‘oJSW(orthogonal minimum joint space width)’를 개발했다고 6일 밝혔다.
이번 연구 결과는 유럽스포츠의학회 공식 학회지인 《KSSTA(Knee Surgery, Sports Traumatology, Arthroscopy)》 최신호에 게재됐다.
연구팀은 미국 국립보건원(NIH)의 대규모 데이터(OAI)를 활용해 환자 3855명의 무릎 영상 1만5313개를 최대 6년간 분석하며 해당 지표의 성능을 검증했다. 그 결과, oJSW는 골관절염 초기부터 심한 단계까지 모든 중증도 판별에서 0.86~0.97의 높은 진단 정확도(AUC)를 기록했다. 이는 기존 방식(0.78~0.95)을 일관되게 앞지르는 결과다.
AUC 값은 1에 가까울수록 정확도가 높은 것으로, 무작위로 환자와 정상인을 비교했을 때 최대 97%의 확률로 중증도를 구분해낼 수 있었다는 뜻이다.
또 12개월간 질병의 진행 정도를 감지하는 분석(rSRM)에서도 0.91∼0.97을 기록했다. 이는 oJSW가 시간에 따른 무릎 구조의 미세한 악화까지 기존 지표보다 더 특이적이고 민감하게 포착할 수 있음을 입증한 것이다.
그동안 무릎 골관절염의 중증도는 주로 엑스레이(X-ray) 영상에서 허벅지뼈와 정강이뼈 사이의 간격(JSW)을 측정해 평가했다. 연골이 닳아 뼈 사이 간격이 좁아질수록 질환이 심각한 것으로 판단한다.
하지만 기존 방식은 관절의 특정 위치를 고정하여 측정하기 때문에, 환자마다 제각각인 ‘가장 심하게 닳은 부위’를 충분히 반영하지 못해 마모가 심한 부위를 놓칠 위험이 컸다. 반면 이번에 개발된 oJSW는 AI가 관절 내부를 자동으로 탐색해 가장 좁은 지점을 수직으로 측정하므로 개인별 마모 상태를 정밀하게 반영할 수 있다.
노두현 교수는 “oJSW는 골관절염 중증도 평가와 질환 진행 추적에 있어 구조적 지표가 될 것”이라며 “특히 질병의 진행을 늦추는 근본적 치료제 임상시험에서 민감한 평가 도구로 활용되어 신약 개발에 기여할 것으로 기대한다”고 말했다.
