무릎 관절염으로 고통받는 분들에게 희소식이 있습니다. 기존에는 파악하기 어려웠던 연골 마모의 정확한 지점을 인공지능(AI) 기술로 찾아내는 혁신적인 영상 지표가 개발되었습니다. 이는 환자 개개인의 상태에 맞는 정밀한 진단과 치료 계획 수립에 크게 기여할 것으로 기대됩니다.
AI 기반 새로운 영상 지표 'oJSW'의 등장
서울대학교병원 정형외과 노두현 교수와 동국대학교일산병원 이도원 교수 공동 연구팀은 딥러닝 알고리즘을 활용하여 환자별 연골 마모 지점을 정확하게 측정하는 새로운 영상 지표인 ‘oJSW(orthogonal minimum joint space width)’를 개발했습니다. 이 지표는 방대한 데이터를 통해 기존 방식보다 통계적으로 우수한 정확성과 민감도를 입증받았습니다.
기존 방식의 한계와 oJSW의 혁신성
무릎 골관절염의 중증도는 주로 엑스레이 상에서 허벅지뼈(대퇴골)와 정강이뼈(경골) 사이의 간격(JSW)을 측정하여 평가합니다. 하지만 기존에는 관절의 특정 고정된 위치만을 측정했기 때문에, 환자마다 다른 해부학적 구조나 비대칭적인 연골 마모 상태를 충분히 반영하지 못하는 한계가 있었습니다. 이로 인해 실제 마모가 가장 심한 부위를 놓칠 위험이 존재했습니다.
반면, 새롭게 개발된 oJSW는 AI가 관절 내부를 자동으로 탐색하여 가장 좁은 지점을 수직으로 측정합니다. 이러한 방식은 개인별 연골 마모 상태를 훨씬 더 정밀하게 반영할 수 있습니다.
대규모 데이터 기반의 검증과 높은 정확도
연구팀은 미국 국립보건원(NIH)의 대규모 코호트 자료를 활용하여 3855명의 환자로부터 얻은 1만5313개의 무릎 영상을 최대 72개월(6년)간 추적 분석했습니다. 이는 딥러닝 기반의 새로운 영상 지표를 대규모 종적 코호트에서 기존 표준 지표들과 비교 검증한 최초의 연구라는 점에서 의미가 깊습니다.
연구 결과, oJSW는 골관절염의 초기부터 심한 단계까지 모든 중증도 판별에서 0.86에서 0.97에 이르는 높은 진단 정확도(AUC)를 기록했습니다. 이는 기존 방식의 정확도(0.78~0.95)를 일관되게 앞서는 수치이며, 무작위로 환자와 정상인을 비교했을 때 최대 97%의 확률로 중증도를 정확히 구분해낼 수 있음을 의미합니다. 이는 숙련된 전문가의 육안 평가 신뢰도에 준하는 매우 정밀한 수준입니다.
질병 진행 추적에도 탁월한 민감도 입증
또한, 12개월간의 변화를 추적하여 질병의 진행 정도를 감지하는 분석에서도 oJSW는 0.91에서 0.97의 높은 수치를 기록했습니다. 이는 oJSW가 시간에 따른 무릎 구조의 미세한 악화까지도 기존 지표보다 더 특이적이고 민감하게 포착할 수 있음을 입증하는 결과입니다.
의료 현장 및 신약 개발에 대한 기대 효과
서울대병원 노두현 교수는 “oJSW가 골관절염 중증도 평가와 질환 진행 추적에 있어 중요한 구조적 지표가 될 것”이라며, 특히 “질병 진행을 늦추는 근본적 치료제 임상시험에서 민감한 평가 도구로 활용되어 신약 개발에 기여할 것으로 기대한다”고 밝혔습니다.
동국대일산병원 이도원 교수는 “이번 연구는 완전 자동화된 분석을 통해 객관적이고 표준화된 진단 도구를 제시했다는 데 의의가 있으며, 향후 실제 진료 현장에서도 유용하게 활용될 것”이라고 전망했습니다.
이 혁신적인 연구 결과는 유럽스포츠의학회 공식 학회지인 ‘KSSTA’ 최신호에 게재되어 그 가치를 인정받았습니다.
- AI 기반 새로운 영상 지표 'oJSW'가 개발되어 환자별 연골 마모 지점을 정밀하게 측정합니다.
- 기존 고정 위치 측정 방식의 한계를 극복하고, 개인별 마모 상태를 더 정확하게 반영합니다.
- 대규모 데이터 분석 결과, oJSW는 골관절염 중증도 판별 및 질병 진행 추적에서 높은 정확도와 민감도를 보였습니다.
- 의료 현장에서의 객관적이고 표준화된 진단 도구로 활용될 뿐만 아니라, 신약 개발 임상시험에도 기여할 것으로 기대됩니다.