건국대병원 신현진 교수팀 안와 골절 진단 및 분류를 위한 딥러닝 모델 개발

건국대병원 안과 신현진 교수팀이 안와 골절 진단과 분류를 위한 딥러닝 모델을 개발해 골절 검출에서 99.5%의 정확도를 달성했다. 급성 골절과 만성 골절을 구분할 수 있는 AI 모델로 치료 계획 수립에 유용한 정보를 제공할 것으로 기대된다.

안와골절은 외부의 강한 충격으로 안구를 둘러싼 안와 뼈가 골절되는 외상성 손상이다. 심한 경우 안구함몰, 복시, 안구운동 제한, 감각 이상 등의 증상이 나타날 수 있다. CT 촬영을 통해 진단이 가능하지만 미세한 골절은 전문의도 놓칠 수 있어 인공지능 기술을 활용한 진단 보조의 필요성이 꾸준히 제기돼 왔다.

정확도 99.5%… 딥러닝 기반 3중 모델 개발
연구팀은 CT 영상 기반으로 안와골절을 자동 진단하고 분류하는 세 가지 딥러닝 모델을 개발해 진단 정확도 99.5%에 달하는 성과를 냈다. 첫 번째 ‘골절 여부 판단 모델’은 정상과 골절을 자동으로 구분하며 99.5%의 진단 정확도와 99.6%의 민감도를 보였다. 두 번째 모델은 ‘골절 위치 분류 모델’은 골절의 위치를 내측벽, 하벽, 내하측벽으로 분류하며 정확도는 97.4%였다. 세 번째 모델은 ‘골절 시기 분류 모델’은 골절이 급성인지 만성인지 판단하는 모델로 정확도는 96.8%에 달했다.

CT 데이터 기반 정밀 학습… 실제 진료에 가까운 연구 설계

이번 연구는 2005년부터 2024년까지 건국대병원에서 안와골절 진단을 받은 233명의 환자의 총 1264건의 안면 CT 데이터를 기반으로 진행됐다. 각 환자에 대해 다수의 단면 CT 이미지를 활용했다. 모델 개발에는 국내 인공지능 개발 플랫폼 Neuro-T가 활용됐다. 전문의가 수작업으로 골절 부위를 라벨링한 후, 해당 이미지를 딥러닝 모델이 학습하여 정상과 골절을 구분하고 골절 위치와 시기를 자동 판별할 수 있도록 했다.

급성·만성 구분 가능해 임상적 활용 기대
이번 연구는 골절 시기를 분류하는 모델을 제시했다. 급성 골절은 수술적 치료가 필요한 경우가 많지만 만성 골절은 환자의 증상과 요구에 따라 치료 여부가 달라질 수 있다. 따라서 골절 시기를 AI가 구분해주는 기능은 진료 현장에서 중요한 의사결정 지원 도구가 될 수 있다. 응급상황에서 의료진의 빠른 판단을 보조하고 의료 자원이 부족한 지역에서 미세골절 진단 한계를 보완할 수 있을 전망이다. 신현진 교수는 “이 기술은 향후 광대골, 하악골 등 다른 안면골 골절 진단에도 적용 가능하다”며 “AI 기술과 접목해 골절 부위에 맞는 임플란트 디자인까지 제안하는 통합 진단·치료 시스템 개발로 나아갈 것”이라고 말했다.

한편, 이번 연구 결과는 '미국 구강 및 악안면외과저널(Journal of Oral and Maxillofacial Surgery)'에 최근 게재됐다.