김동현, 채지원 교수 연구팀, 건국대병원 강지희 교수와 공동연구
1,433개 측면 무릎 X-ray 영상 이미지 데이터 학습 DLM '예측 민감도, 특이도, AUC' 분석
측면 무릎 X-ray 영상만으로 '전방십자인대파열' 효과적으로 예측
이 딥러닝 모델 전방 십자인대파열 예측 민감도와 특이도 각' 86.8%와 89.4%'
AUC 분석한 결과도 최댓값 1에 근접한 '0.927' 성능 우수
김 교수 "딥러닝 모델, 진단 성능 입증했다는 것에 큰 의미"
채 교수 "추가 연구와 개발 시 X-ray 이용한 보조 진단만으로 신속히 처치"
논문, 국제근골격학회 공식 학회지 'Skeletal Radiology 최근호'에 게재
[보건타임즈] 최근 측면 무릎 X-ray 이미지만으로 무릎 십자인대 파열을 예측할 수 있는 딥러닝 모델을 개발, 진단 성능을 평가한 연구 결과(논문보기)가 발표했다.
서울대학교병원운영 서울특별시보라매병원(원장 정승용) 영상의학과 김동현(사진 左), 채지원 교수(右) 연구팀은 건국대학교병원 영상의학과 강지희 교수와 함께 2019년 10월부터 2020년 10월까지 보라매병원, 건국대병원에서 수집한 1,433개의 측면 무릎 X-ray 영상 이미지 데이터를 기반으로 학습된 '딥러닝 모델(DLM)'을 개발, 전방 십자인대파열 예측에 대한 민감도와 특이도, AUC(Area Under Curve)를 각각 분석했다.
민감도와 특이도는 예측모델의 성능을 나타낼 때 주로 활용되는 수치다.
민감도는 전체 대상자 중 무릎 십자인대 파열 환자를 구분해내는 성능, 특이도는 이 질환이 없는 대상자를 구분해내는 성능 수준을 의미한다.
AUC는 모델 성능 평가에서 수치적인 기준이 될 수 있는 값으로, 1에 가까울수록 성능이 우수한 모델로 평가한다.
이 결과, 연구진이 개발한 딥러닝 모델을 이용하면 측면 무릎 X-ray 영상만으로 전방십자인대파열을 효과적으로 예측할 수 있는 것으로 나타났다.
성능 분석에서, 이 딥러닝 모델의 전방 십자인대파열 예측에 대한 민감도와 특이도는 각각 86.8%와 89.4%이었다.
'AUC(Area Under Curve)' 면적을 분석한 결과도 최댓값인 1에 근접한 0.927의 우수한 성능 수치가 확인됐다.
이는 일반 방사선과 전문의의 진단 정확성보다 유의하게 높은 성능 수치로(P=0.043), 근골격계 방사선 전문의의 진단 정확성과 비교해도 유사한 수준(p=0.193)에 속한다는 게 연구진의 설명이다.
김 교수는 "이 연구는 무릎 X-ray 영상만으로 전방십자인대 파열을 예측할 수 있는 딥러닝 모델을 개발, 진단 성능을 입증했다는 것에 큰 의미가 있다"고 밝혔다.
채 교수는 "이 딥러닝 모델과 관련한 추가 연구와 개발이 이뤄진다면, X-ray를 이용한 보조 진단만으로 응급실 등에 내원한 외상 환자의 전방십자인대 파열 가능성을 예측, 신속한 처치가 진행될 수 있을 것"이라고 기대했다.
이 연구결과를 상세하게 정리한 논문은 'Ensemble deep learning model for predicting anterior cruciate ligament tear from lateral knee radiograph'란 주제로 국제근골격학회의 공식 학회지 '근골격계 방사선학(Skeletal Radiology) 최근호'에 게재됐다.
기사최종편집일: 2024-04-23 18:10:13
다음기사 : 
