신현진 건국대학교병원 안과 교수팀이 안와 골절 진단과 분류를 위한 딥러닝 모델을 개발해 골절 검출에서 99.5%의 정확도를 달성하는 연구 성과를 국제학술지에 발표했다고 15일 밝혔다.
연구팀은 CT 영상을 기반으로 안와 골절을 자동 진단하고 분류하는 세 가지 딥러닝 모델을 개발해 진단 정확도 99.5%를 달성했다. 급성(acute) 골절과 만성(old) 골절까지 구분할 수 있는 모델을 구축해 환자 맞춤형 치료 결정에 실질적 도움을 줄 수 있는 기술로 평가받고 있다.
첫 번째 ‘골절 여부 판단 모델’은 정상과 골절을 자동 구분하며 99.5%의 진단 정확도, 99.6%의 민감도, AUC 0.9999를 기록했다. 두 번째 ‘골절 위치 분류 모델’은 골절 부위를 내측벽, 하벽, 내하측벽으로 분류해 97.4%의 정확도를 보였다. 세 번째 ‘골절 시기 분류 모델’은 골절이 급성인지 만성인지 판단하는 모델로 정확도는 96.8%였다.
연구에는 2005년부터 2024년까지 건국대병원에서 안와 골절 진단을 받은 233명의 환자, 총 1264건의 안면 CT 데이터가 활용됐다. 각 환자의 단면 CT 이미지를 ‘정상’, ‘골절 있음’, ‘급성’, ‘만성’, ‘내측벽’, ‘하벽’ 등으로 세분화해 학습 데이터로 사용했다. 모델 개발에는 국내 인공지능 개발 플랫폼 Neuro-T가 사용됐으며, 전문의가 수작업으로 골절 부위를 라벨링하고 분류(classification)와 세분화(segmentation) 방식으로 학습됐다. 전체 데이터 중 85%는 학습용, 15%는 평가용으로 쓰였다.
연구팀은 특히 골절의 ‘시기’를 분류하는 모델을 제시해 기존 연구와 차별성을 확보했다. 급성 골절은 수술적 치료가 필요한 경우가 많고, 만성 골절은 환자 상태에 따라 치료 여부가 달라질 수 있어 시기 구분 기능은 임상적 의사결정 지원에 의미가 크다. 이 기술은 응급 상황에서 의료진의 신속한 판단을 보조하고, 의료 자원이 부족한 지역의 미세 골절 진단 한계를 보완하는 데에도 도움이 될 것으로 기대된다.
신 교수는 “이 기술은 향후 광대골, 하악골 등 다른 안면골 골절 진단에도 적용 가능하다”며 “AI 기술과 결합해 골절 부위에 맞는 임플란트 디자인까지 제안하는 통합 진단·치료 시스템 개발로 발전시킬 것”이라고 말했다.
