골다공증의 경우 높은 유병율에도 명확한 증상이 없어 환자들이 평소에 매우 낮은 인지율을 보이고 있다.

국내연구진이 턱뼈 전체를 촬영하는 치과 기본 엑스레이인 파노라마 영상에 골밀도 검사결과인 'T-Score'를 대입해 훈련한 딥러닝 모델에서 골다공증 환자를 미리 선별할 수 있는 예측 알고리즘을 개발했다.

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 골다공증이 진행되는 동안 통증이나 별다른 증상이 없어 가벼운 충격으로 골절이 발생하기 전까지 대부분 환자들이 인지하지 못하고 있다. 실제 국내 국민건강통계 자료에 따르면 해당 질환을 인지 및 치료 비율은 골다공증 환자 10명중에 1~2명만으로 인지율이 매우 낮은 질환으로 알려져 있다.

고려대 안산병원 치과 이기선(사진) 교수가 기존에 통계적 모델이나 머신러닝 모델에 기반한 연구 결과가 아닌, 골밀도 점수(T-Score)를 기반으로 학습한 딥러닝 모델을 개발했다.

골다공증 유병 환자의 경우, 전신적인 골밀도 감소로 인해 치과용 파노라마 엑스레이상의 턱뼈에서도 골밀도 감소에 따른 뼈 이미지 특이성이 나타나는데, 이런  연구결과에 주목해 딥러닝 기반의 실용화될 수 있는 인공지능 알고리즘의 개발 가능성을 제시한 것이다.

특히 기존의 많은 딥러닝 연구들이 분류 예측결과의 이유를 알 수 없어 블랙박스라고 알려져 있었던 딥러닝 연구에, 최신의 설명 가능한 인공지능(explainable AI) 알고리즘 중의 하나인 'Grad-CAM 알고리즘'을 적용해 골다공증 환자의 엑스레이와 비골다공증 환자의 엑스레이를 비교 분석한 세계 최초의 연구이다.

이기선 교수는 이번 연구를 통해 치과를 방문하는 골다공증 유병자 분들의 인지율을 높이고, 치과의사들에게도 진료에 도움이 되는 시스템을 만들어 보는 것을 목표로도 골다공증 위험성 판단 알고리즘의 정확도를 높이는 연구를 계속할 예정이다.

한편, 연구 결과는 국제 학술지‘Journal of Clinical Medicine’ 2월호에 게재됐다.