딥러닝을 이용한 흉부 X선 영상 기반 근감소증 선별검사 방법 제안

의대 홍남기(내과학), 유승찬(의생명시스템정보학) 교수와 류진 학생(의예과 2학년) 연구팀

의대 홍남기(내과학), 유승찬(의생명시스템정보학) 교수와 류진 학생(의예과 2학년) 연구팀은 흉부 X선 영상 기반 인공지능 모델로 근감소증 선별이 가능하다고 밝혔다. 

연구 결과는 국제학술지 악액질, 근감소, 근육 저널(Journal of cachexia, sarcopenia and muscle, IF 12.063) 최신호에 게재됐다. 

근감소증은 고령 사회에서 낙상, 골다공증, 골절 등 위험인자로 이어지는 주요 건강부담으로 작용하며 조기진단 및 관리가 중요하다. 근감소증 선별검사를 위해 현재 SARC-F 설문지법을 활용하는데 이는 민감도가 낮아 선별검사로는 한계가 있다. 

연구팀은 926명의 환자를 대상으로 흉부 X선 영상을 이용한 딥러닝 모델을 생성했다. 이를 기반으로 근육량, 약력 등 근육 지표를 예측해 근감소증 유병 여부를 판별하는 학습 모델(SARC-CXR)을 개발했다. 또 지역사회코호트 방법으로 149명의 대상자를 선정해 성능을 검증했다. 

연구팀은 SARC-CXR의 근감소증 진단능을 평가하기 위해 AUROC 지표를 활용했다. AUROC 지표는 1에 가까울수록 성능이 우수함을 의미한다. SARC-CXR의 AUROC 점수는 0.78-0.81로 우수했으며, 민감도를 평가했을 때 0.61-0.84로 SARC-F 대비 개선된 민감도를 확인했다. 

특히 SARC-CXR은 설문 기반인 SARC-F와 진단능을 비교했을 때 AUROC 0.81 대 0.69로 통계적으로 유의하게 우수한 성능을 입증했다. 

근감소증 진단에 흉부 X선 영상을 활용해 인공지능 기반 검사를 시도한 것은 이번이 처음이다.  

연구 결과를 바탕으로 국가 검진 등에 있어 흉부 X선 촬영과 함께 근감소증 검사를 병행하면 비용효과적 진단이 가능할 것으로 기대된다. 또 근감소증 조기 발견과 관리, 예방을 위한 중요한 연구 성과로 평가된다.