요추협착증은 척추관이 좁아져 신경을 압박하는 질환으로, 하반신에 통증이나 무감각, 약화 등의 증상이 나타난다. 주로 노년층에서 발생하며, 증상이 앉거나 걷는 동안 악화된다. 기존 MRI는 요추협착증 진단에 가장 정확하지만, 고가의 검사비, 긴 촬영 시간, 중대형병원에서만 촬영이 가능해 촬영에 어려움이 있다. 반면, X선 촬영은 저렴하고, 빠르며, 차량으로 이동식 촬영도 가능하지만, 진단 성능은 매우 낮았다.
연구팀은 ResNet50, VGG19, VGG16, EfficientNet-B1 등 다양한 인공지능 모델을 사용해 5000여 명의 데이터를 기반으로 훈련을 진행한 결과, ResNet50 기반 모델은 내부 검증에서 AUROC 기준 91.4%의 뛰어난 진단 성능을 보였고, 외부 검증에서도 79.5%를 기록해 양호한 성능을 입증했다. 이는 해당 모델이 다양한 환경에서도 우수한 일반화 성능을 발휘한다는 것을 의미한다. AUROC는 이진 분류 모델의 성능을 평가하는 지표로, 100%에 가까울수록 예측 성능이 우수함을 나타낸다.
이번 연구는 인공지능 모델을 사용해 MRI 없이 X선 사진만으로 요추협착증을 진단하는 데 있어 중요한 기술적 진전을 이뤘다. 특히, MRI 촬영이 어려운 환경에서도 다중 자세 기반 X선 사진을 통해 요추협착증을 조기에 진단할 수 있어 의료 접근성이 낮은 지역에서도 유용하게 활용될 수 있다. 또한, 흑백의 X선 사진에 협착증 의심 부위에 색을 입혀 인공지능 모델의 예측 근거를 제공함으로써, 의사들이 모델의 예측을 확인하고, 보다 정확한 치료 결정을 내릴 수 있도록 지원한다.
한편, 이번 연구는 국제 학술지 ‘사이언티픽 리포트(Scientific Reports)’ 지난호에 게재됐으며, 연구팀은 이 기술을 바탕으로 애플리케이션을 개발하고 현재 상용화를 위한 준비를 진행 중이다.
임혜정 기자
press@healthinnews.co.kr