고려대학교 안산병원 치과 이기선 교수가 턱뼈 전체를 촬영하는 치과 기본 엑스레이인 파노라마 영상에 골밀도 검사결과인 T-Score를 대입하여 훈련한 딥러닝 모델이, 골다공증 환자 선별에 예측에 유용하다는 연구결과를 내놓았다.

골다공증은 가장 흔한 대사성 골질환으로 뼈의 밀도 감소에 따라 뼈의 강도가 약해져 쉽게 골절이 발생되는 전신 골격계 질환이며, 연령의 증가, 폐경, 무리한 다이어트 등과 같은 생활습관 또는 유전적 질환 등이 그 요인으로 알려져 있다.

그러나 해당 질환이 진행되는 동안 통증이나 별다른 증상이 없어 가벼운 충격에 골절이 발생하기 전까지 대부분의 환자가 인지하지 못하는 ‘침묵의 질환’이라고도 알려져 있으며, 실제 국내 국민건강통계 자료에 따르면 해당 질환을 인지 및 치료 비율은 골다공증 환자 10명중에 1~2명만으로 인지율이 매우 낮은 질환으로 알려져 있다.

이기선 교수는 많은 국내외 연구결과 중 골다공증 유병 환자의 경우, 전신적인 골밀도 감소로 인하여 치과용 파노라마 엑스레이상의 턱뼈에서도 골밀도 감소에 따른 뼈 이미지 특이성이 나타나며, 이를 이용하면 골다공증 유병 여부를 선별할 가능성이 높다는 연구결과에 주목하여, 딥러닝 기반의 실용화될 수 있는 인공지능 알고리즘의 개발 가능성을 제시해 본 것이라고 밝혔다.

이번 연구결과는 기존에 통계적 모델이나 머신러닝 모델에 기반한 연구 결과가 아닌, 골밀도 점수(T-Score)를 기반으로 학습한 딥러닝 모델에 관련된 논문으로, 특히 기존 많은 딥러닝 연구들이 분류 예측결과의 이유를 알 수 없어 블랙박스라고 알려져 있었던 딥러닝 연구에, 최신의 설명 가능한 인공지능(explainable AI) 알고리즘 중에 하나인 Grad-CAM 알고리즘을 적용하여 골다공증 환자의 엑스레이와 비골다공증 환자의 엑스레이의 어느 부분을 보고 구분했는지 비교 분석하는 국내외 첫 연구 결과이다.

이기선 교수는 과거 삼성SDS에서 소프트웨어 개발자로 근무 경력이 있는 의료인으로, 현재 해당 주제로 교육부 주관의 개인 국책연구과제를 수행중에 있다. 세계적 보건문제인 골다공증의 경우 높은 유병율에도 명확한 증상이 없어 매우 낮은 인지율을 보이고 있고, 특별히 환자 인지율을 높일 수 있는 별다른 방법이 없었으나 본 연구를 통하여 치과를 방문하는 골다공증 유병자 분들의 인지율 상승과 더불어 치과의사에게 있어도 진료에 도움이 되는 시스템을 만들어 보는 것을 목표로도 골다공증 위험성 판단 알고리즘의 정확도를 높이기 위해 계속 연구를 이어갈 예정이다.

한편, 연구 결과는 2019년도 현재 영향력 지수(Impact Factor) 5.688인 국제 학술지‘Journal of Clinical Medicine’에 올 2월‘Evaluation of Transfer Learning with Deep Convolutional Neural Networks for Screening Osteoporosis in Dental Panoramic Radiographs’라는 제목으로 발표 되었다.