기존 X-ray 진단으로는 포착하기 어려웠던 무릎 관절의 ‘가장 심하게 닳은 부위’를 인공지능(AI)이 정밀하게 찾아내, 골관절염의 중증도와 진행 상태를 정확히 평가하는 기술이 개발됐다.

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 제시했다. 연구팀은 대규모 데이터를 통해 이 지표의 정확성과 민감도가 기존의 고정 위치 측정 방식보다 통계적으로 우수하다는 사실을 입증했다.

무릎 골관절염의 중증도는 보통 X-ray에서 허벅지뼈(대퇴골)와 정강이뼈(경골) 사이의 간격(JSW)을 측정해 평가한다. 기존에는 관절의 특정 위치(JSW225, JSW250)를 고정해 간격을 쟀으나, 이는 환자마다 다른 해부학적 특성과 비대칭적인 마모 상태를 충분히 반영하지 못해 실제 마모가 심한 부위를 놓칠 위험이 있었다. 반면 이번에 개발된 oJSW는 AI가 관절 내부를 자동으로 탐색해 가장 좁은 지점을 수직으로 측정하므로 개인별 마모 상태를 정밀하게 반영한다.

연구팀은 미국 국립보건원(NIH)의 대규모 코호트(OAI) 자료를 활용해 참여자 3855명의 무릎 영상 1만5313개를 최대 72개월(6년)간 추적 분석했다. 이는 딥러닝 기반의 신규 영상 지표를 대규모 종적 코호트 시간에 따른 동일 집단 추적에서 기존 표준 지표들과 비교 검증한 최초의 연구다.

연구 결과, oJSW는 골관절염 초기부터 심한 단계까지 모든 중증도 판별에서 0.86~0.97의 높은 진단 정확도(AUC)를 기록했다. 이는 기존 방식 0.78~0.95를 일관되게 앞지르는 결과이며, 무작위로 환자와 정상인을 비교했을 때 최대 97%의 확률로 중증도를 정확히 구분해낼 수 있음을 의미한다. 이러한 성능은 숙련된 전문가의 육안 평가 신뢰도에 준하는 정밀한 수준이다.

또한 12개월간의 변화를 추적해 질병의 진행 정도를 감지하는 분석(rSRM)에서도 0.91~0.97의 높은 수치를 기록했다. 이는 oJSW가 시간에 따른 무릎 구조의 미세한 악화까지 기존 지표보다 더 특이적이고 민감하게 포착할 수 있음을 입증한 것이다.

서울대병원 노두현 정형외과 교수는 "oJSW는 골관절염 중증도 평가와 질환 진행 추적에 있어 구조적 지표가 될 것이다"라며 "특히 질병 진행을 늦추는 근본적 치료제 임상시험에서 민감한 평가 도구로 활용되어 신약 개발에 기여할 것으로 기대한다"고 말했다.

동국대일산병원 이도원 정형외과 교수는 "금번 연구는 완전 자동화된 분석을 통해 객관적이고 표준화된 진단 도구를 제시했다는 데 의의가 있으며, 향후 실제 진료 현장에서도 유용하게 활용될 것이다"라고 덧붙였다.

금번 연구 결과는 유럽스포츠의학회 공식 학회지 ‘KSSTA(Knee Surgery, Sports Traumatology, Arthroscopy)’ 최신호에 게재됐다.