기존 엑스레이(X-ray) 진단으로는 포착하기 어려웠던 무릎 골관절염 환자의 '가장 심하게 닳은 부위'를 찾아내는 인공지능(AI) 기술이 나왔다.

 서울대병원 정형외과 노두현 교수와 동국대 일산병원 이도원 교수 공동 연구팀은 딥러닝 알고리즘을 통해 환자마다 다른 무릎 연골의 최대 마모 지점을 정확히 측정하는 새로운 영상 지표 'oJSW(orthogonal minimum joint space width)'를 개발했다고 9일 밝혔다.

 무릎 골관절염의 중증도는 보통 X-ray에서 허벅지뼈(대퇴골)와 정강이뼈(경골) 사이의 간격(JSW)을 측정해 평가한다.

 기존에는 관절의 특정 위치를 고정해 간격을 쟀으나, 환자마다 다른 해부학적 특성과 비대칭적 마모 상태를 충분히 반영하지 못해 실제로 마모가 심한 부위를 놓칠 위험이 있었다.

 반면 이번에 개발된 oJSW는 AI가 관절 내부를 자동으로 탐색해 가장 좁은 지점을 수직으로 측정하기 때문에 개인별 마모 상태를 정밀하게 반영할 수 있다.

 연구팀은 미국 국립보건원(NIH) 코호트를 토대로 이번에 개발한 AI 지표의 진단 정확도를 분석했다.

 검증은 무릎 골관절염 환자 3천855명의 무릎 영상 1만5천313개를 최대 72개월(6년)간 분석해 기존 지표와 AI 지표를 비교하는 방식으로 이뤄졌다.

 그 결과 oJSW는 골관절염 초기부터 심한 단계까지 모든 중증도 판별에서 0.86∼0.97의 높은 진단 정확도(AUC)를 기록했다.

 AUC 값은 1에 가까울수록 정확도가 높은 것으로, 무작위로 환자와 정상인을 비교했을 때 최대 97%의 확률로 중증도를 구분해낼 수 있다는 의미다.

 또 12개월간 질병의 진행 정도를 감지하는 분석에서도 0.91∼0.97을 기록했다. 무릎 구조의 미세한 악화까지 민감하게 포착하는 것으로 확인됐다.

 노두현 교수는 "oJSW는 골관절염 중증도 평가와 질환 진행을 추적하는 구조적 지표가 될 것"이라며 "치료제 임상시험에서 민감한 평가 도구로 활용돼 신약 개발에도 기여할 것으로 기대한다"고 밝혔다.

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